Stable Diffusion 图生图与图像修复
最后更新： 2026-03-26
难度： ⭐⭐⭐ 进阶
🖼️ 什么是图生图？
图生图（img2img）是在现有图像基础上进行变换和创作的功能。
核心原理：
输入图像 + 提示词 + 重绘强度 = 新图像应用场景：
- 🎨 风格转换（照片→油画）
- ✏️ 图像修复（修复瑕疵）
- 🔄 图像变体（生成相似图）
- 📐 图像扩展（Outpainting）
- 📏 图像放大（Upscale）
🚀 图生图基础操作
步骤 1：进入图生图界面
WebUI → img2img 标签步骤 2：上传图像
方法：
- 拖拽图片到上传区域
- 点击区域选择文件
- 从 PNG Info 拖入
步骤 3：设置参数
| 参数 | 推荐值 | 说明 |
|---|---|---|
| Denoising strength | 0.3-0.7 | 重绘强度（核心参数） |
| Sampling Steps | 20-30 | 采样步数 |
| CFG Scale | 7 | 提示词相关性 |
| Width/Height | 原图尺寸 | 输出尺寸 |
步骤 4：输入提示词
正向提示词： 描述想要的效果 负向提示词： 描述不想要的效果
步骤 5：点击生成
等待完成，查看结果
🎚️ 重绘强度详解
什么是重绘强度？
Denoising strength 控制 AI 在多大程度上重新绘制图像。
强度范围效果
| 强度值 | 效果 | 适用场景 |
|---|---|---|
| 0.1-0.2 | 轻微调整 | 优化细节、 sharpen |
| 0.3-0.4 | 适度变化 | 风格转换、质量提升 |
| 0.5-0.6 | 明显变化 | 创意变体、中等修改 |
| 0.7-0.8 | 大幅变化 | 创意重构、保留构图 |
| 0.9-1.0 | 几乎重画 | 仅保留构图，内容大变 |
实战示例
原图： 一张普通人像照片
| 强度 | 提示词 | 效果 |
|---|---|---|
| 0.3 | professional portrait, studio lighting | 提升光影质量 |
| 0.5 | oil painting style, textured brushstrokes | 转为油画风格 |
| 0.7 | cyberpunk character, neon lights | 转为赛博朋克风格 |
| 0.9 | fantasy warrior, armor, magical effects | 转为奇幻战士 |
🎨 风格转换实战
照片→油画
步骤：
1. 上传照片到 img2img
2. 设置 Denoising strength: 0.5-0.6
3. 输入提示词：
oil painting, impasto, textured brushstrokes,
in the style of Van Gogh, vibrant colors
4. 点击生成照片→水彩画
步骤：
1. 上传照片
2. 设置 Denoising strength: 0.4-0.5
3. 输入提示词：
watercolor painting, transparent, soft edges,
light and airy, pastel colors
4. 点击生成照片→动漫风格
步骤：
1. 上传照片
2. 设置 Denoising strength: 0.5-0.6
3. 输入提示词：
anime style, cel shading, vibrant colors,
in the style of Studio Ghibli
4. 点击生成照片→赛博朋克
步骤：
1. 上传照片
2. 设置 Denoising strength: 0.6-0.7
3. 输入提示词：
cyberpunk, neon lights, futuristic,
sci-fi city, dramatic lighting
4. 点击生成✏️ 局部重绘（Inpaint）
什么是局部重绘？
只重绘图像的特定区域，其他部分保持不变。
操作步骤
1. 进入 Inpaint 界面
WebUI → img2img → Inpaint 标签2. 上传图像
3. 绘制蒙版
- 使用画笔工具涂抹要修改的区域
- 白色 = 重绘区域
- 黑色 = 保持原样4. 设置参数
| 参数 | 推荐值 | 说明 |
|---|---|---|
| Masked content | original | 蒙版内容处理 |
| Inpaint area | only masked | 重绘区域 |
| Denoising strength | 0.7-1.0 | 重绘强度 |
5. 输入提示词
描述想要替换成的内容6. 点击生成
局部重绘应用场景
场景 1：更换服装
原图：人物穿 T 恤
蒙版：涂抹衣服区域
提示词：elegant evening dress, silk, red color
结果：人物换上红色晚礼服场景 2：添加配饰
原图：人物无眼镜
蒙版：涂抹眼部区域
提示词：stylish glasses, modern design
结果：人物戴上眼镜场景 3：修复瑕疵
原图：人像有痘痘
蒙版：涂抹瑕疵区域
提示词：smooth skin, clear complexion
结果：皮肤光滑无瑕场景 4：更换背景
原图：室内人像
蒙版：涂抹背景区域
提示词：beautiful garden, cherry blossoms, spring
结果：背景变为花园场景 5：修复老照片
原图：破损老照片
蒙版：涂抹破损区域
提示词：restored, clean, detailed
结果：照片修复完整📐 图像扩展（Outpainting）
什么是 Outpainting？
向图像外部扩展内容，创造更大的画面。
操作步骤
1. 进入 Inpaint 界面
2. 上传图像
3. 调整画布尺寸
增加 Width 或 Height
（如 512x512 → 768x512）4. 设置蒙版
涂抹扩展区域（原图外部分）5. 输入提示词
描述扩展区域应有的内容6. 点击生成
Outpainting 实战示例
示例 1：横向扩展风景
原图：512x512 风景照
目标：768x512 宽幅风景
提示词：continuous landscape, mountains, trees, sky
结果：风景向两侧延伸示例 2：向上扩展
原图：人像（头部接近顶部）
目标：增加天空区域
提示词：blue sky, clouds, birds
结果：顶部出现蓝天白云示例 3：向下扩展
原图：产品图（底部空间不足）
目标：增加展示台
提示词：wooden table, reflective surface
结果：底部出现展示台📏 图像放大（Upscale）
为什么要放大？
- 提高分辨率用于打印
- 增加细节用于展示
- 修复低分辨率图像
放大方法对比
| 方法 | 倍数 | 质量 | 速度 |
|---|---|---|---|
| SD 放大 | 2-4x | ⭐⭐⭐⭐⭐ | 慢 |
| ESRGAN | 2-4x | ⭐⭐⭐⭐ | 中 |
| SwinIR | 2-4x | ⭐⭐⭐⭐⭐ | 慢 |
| RealESRGAN | 2-8x | ⭐⭐⭐⭐ | 快 |
SD 放大步骤
1. 进入 Extras 标签
2. 上传图像
3. 选择放大算法
| 算法 | 适用场景 |
|---|---|
| R-ESRGAN 4x+ | 通用放大 |
| R-ESRGAN 4x+ Anime6B | 动漫图像 |
| SwinIR 4x | 高质量放大 |
| ScuNET GAN | 去噪 + 放大 |
4. 设置放大倍数
Scale: 2（2 倍）
或设置目标分辨率5. 其他设置
GFPGAN visibility: 0（人脸修复）
CodeFormer visibility: 0（人脸修复）6. 点击生成
高清修复（Hires. fix）
什么是 Hires. fix？
先生成小图，再放大并细化细节。
操作步骤：
1. txt2img 界面
2. 启用 Hires. fix
勾选 Hires. fix 选项3. 设置参数
| 参数 | 推荐值 | 说明 |
|---|---|---|
| Upscaler | R-ESRGAN 4x+ | 放大算法 |
| Hires steps | 15-20 | 放大后步数 |
| Denoising strength | 0.3-0.5 | 重绘强度 |
| Upscale by | 2 | 放大倍数 |
4. 生成
先生成 512x512
再放大到 1024x1024 并细化🎯 图生图高级技巧
技巧 1：ControlNet 配合
什么是 ControlNet？
精确控制图像构图、姿势、边缘的工具。
常用 ControlNet 模型：
| 模型 | 功能 | 适用场景 |
|---|---|---|
| Canny | 边缘检测 | 保持轮廓 |
| Depth | 深度图 | 保持空间关系 |
| OpenPose | 姿势检测 | 控制人物姿势 |
| Segmentation | 语义分割 | 分区控制 |
使用步骤：
1. 启用 ControlNet
2. 上传控制图
3. 选择预处理器
4. 选择 ControlNet 模型
5. 设置权重（0.5-1.0）
6. 生成技巧 2：批量生成变体
步骤：
1. 进入 img2img
2. 上传图像
3. 设置 Denoising strength: 0.4-0.6
4. 设置 Batch count: 10（生成 10 张）
5. 点击生成
6. 从 10 张中选择最佳技巧 3：渐进式修改
场景： 需要大幅修改但不想一次到位
方法：
第 1 轮：Denoising 0.3 → 轻微调整
第 2 轮：Denoising 0.5 → 中等修改
第 3 轮：Denoising 0.7 → 大幅变化优点： 可控性强，可随时停止
技巧 4：多轮迭代优化
场景： 追求最佳效果
流程：
1. 生成基础图像
2. 选择最佳结果
3. 作为新输入再次图生图
4. 调整提示词和参数
5. 重复直到满意📊 参数对比实验
Denoising strength 对比
| 原图 | 强度 | 提示词 | 效果描述 |
|---|---|---|---|
| 人像照片 | 0.2 | sharpen, detailed | 轻微锐化 |
| 人像照片 | 0.4 | professional portrait | 提升质感 |
| 人像照片 | 0.6 | oil painting style | 转为油画 |
| 人像照片 | 0.8 | cyberpunk character | 转为赛博朋克 |
不同放大算法对比
| 算法 | 2x 质量 | 4x 质量 | 速度 |
|---|---|---|---|
| Lanczos | ⭐⭐⭐ | ⭐⭐ | 快 |
| ESRGAN | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 中 |
| SwinIR | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 慢 |
| R-ESRGAN | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 中 |
📝 常见问题
Q1: 图生图后图像模糊怎么办？
解决方案：
- 降低 Denoising strength
- 增加 Sampling Steps
- 使用 Hires. fix
- 后期 Upscale
Q2: 局部重绘边缘不自然怎么办？
解决方案：
- 增加蒙版模糊（Mask blur）
- 调整 Denoising strength
- 使用 Inpaint only masked
- 多次轻涂叠加
Q3: Outpainting 后衔接不自然怎么办？
解决方案：
- 确保提示词描述连贯
- 增加重叠区域
- 使用较低 Denoising（0.4-0.5）
- 后期手动融合
Q4: 放大后细节丢失怎么办？
解决方案：
- 使用 SD 放大代替 ESRGAN
- 启用 Hires. fix
- 放大后再次图生图细化
- 使用 ControlNet 保持细节
Q5: 如何保持人物一致性？
解决方案：
- 使用较低 Denoising（0.3-0.4）
- 固定 Seed
- 使用相同提示词
- 使用 Roop/ReActor 换脸插件
🎓 实战案例
案例 1：老照片修复
目标： 修复破损黑白老照片
步骤：
1. 上传老照片到 img2img
2. 使用 Inpaint 修复破损区域
- 蒙版：涂抹破损处
- 提示词：restored, clean, detailed
- Denoising: 0.8
3. 使用 Extras 上色
- 提示词：colorized, natural colors
- Denoising: 0.4
4. 使用 Extras 放大
- Upscaler: SwinIR 4x
- Scale: 2案例 2：产品图精修
目标： 提升电商产品图质量
步骤：
1. 上传产品原图
2. 使用 Inpaint 修复瑕疵
- 蒙版：瑕疵区域
- 提示词：clean, perfect surface
3. 图生图提升质感
- Denoising: 0.3
- 提示词：product photography, studio lighting
4. 放大输出
- Upscaler: R-ESRGAN 4x+
- Scale: 2案例 3：创作系列插画
目标： 保持角色一致性的系列图
步骤：
1. 创建基础角色图
2. 保存最佳结果
3. 使用图生图创建变体
- Denoising: 0.4
- 修改背景和动作
4. 使用 Inpaint 调整细节
5. 批量生成多个场景📖 下一章预告
- ControlNet 工作原理
- 13 种预处理器详解
- 实战应用场景
- 多 ControlNet 组合
本教程持续更新中 | 2026-03-26