Stable Diffusion教程：图生图_stable diffusion 图生图

• 本文重要分为四部门：
  
• 1. 图生图原理
  
• 2. 图生图流程先容
  
• 3. 随机种子Seed的应用
  
• 4. 图生图应用场景
  

今天开始解说 SD 的「图生图」功能。你肯定看到过下面这样的例子，通过原图通过AI绘画加工成自己想要的图片。

在 Midjourney 中叫「垫图」，而在 Stable Diffusion 中我们叫「图生图」，其实是差不多的意思。

---

1、图生图原理
我们前面先容过「文生图」，但是「文生图」有一个最大的特点就是「随机性」。对图片的操作几乎没有可控性一说，它画出来的图片可能根本不符合我们的需求。

在我们的现实生活里，这种对需求的偏差与错误理解还是很普遍存在的。
假如你是客户，负责产生设计需求，而设计师负责实现需求。你除了不断用文字和语言形貌你的需求，另有什么方法让设计师秒懂你需求想法呢？
你是不是通常会找一张类似风格的图片，说：跟这张图差不多的风格，你帮我模仿着这张图来。

那么在AI的天下里，同样也存在这样的情况，「文生图」就好像你对着一个AI设计师不断的用语言沟通，AI对你的需求理解是存在偏差的。
「图生图」就好像，你找好了一个模板给AI设计师，说：给我按照这个风格来。那么AI设计师就会从图片上得到更多信息，原本的图片上纪录的像素信息会在这个「加噪」和「去噪」的过程中被作为一种特征反应在作品上，末了越来越接近你的需求。

那么「图生图」到底什么意思呢？实现把一张照片用另一种完全不同的方法画出来的过程，在 AI 的天下里管它叫「图生图」。简单来说的话，「图生图」可以资助你把一张图片画成另一种模样。
这下你明白了吧？借助AI里面的「图生图」，你可以将真实天下里的人物变成二次元天下的人物，你也可以将动漫角色人物变成真实人物面貌。是不是很魔幻？

---

2、图生图流程先容
在上面我们已经很清楚的先容完了「图生图」的原理，那具体应该怎么去做呢，「图生图」具体的流程是什么样的呢？
在 SD 里面举行「图生图」重要分为三步：导入图片、誊写提示词、调整参数
第一步：导入图片
打开 SD WebUI 找到「图生图」的操作界面，基本功能和「文生图」差不多，但在中心多了一个「上传图片」的流程。

这个位置也是我们上传本地图片到 SD 中的重要环节。将我们准备好的图片上传上去。

导入图片后，另有其他的一些功能，例如说涂鸦、局部重绘、涂鸦重绘等，我们在后续的环节中再解说。

第二步：誊写提示词
其实「图生图」的提示词和「文生图」的提示词誊写逻辑是一样。
02 AI绘画提示词原理详解
当然在「图生图」中提示词也很告急，我们可以用上篇文章中学到的，实验形貌一下我们刚刚上传的图片的特征。先简单做个示范

第三步：参数调整
「图生图」的参数和「文生图」参数基本上差不多，但是也有一些「图生图」才有的参数。
例如说「重绘幅度」。我们一般设置在 0.6 ~ 0.8 之间

其他参数的话，不再多啰嗦了。我们上一篇文章里面已经讲过了，还没看过的朋侪，点下面这个链接
[02 AI绘画提示词原理详解]
在这里我们把「采样方法」设置为「DPM++ SDE Karras」

「提示词引导系数」设置为：8

「迭代步数」设置为：20

图片分辨率设置为：500 * 500

全部设置完成后，我们点击生成，这时候我们就利用「图生图」生成了一张新的图片。

这是我们通过「图生图」生成出来的一个最基本的全部过程，但是另有许多改进的空间。
那么另有哪些方面是可以优化的呢？提示词、重绘幅度设置、分辨率设置。
在提示词的环节，我们可以对上传的图片形貌更具体、更精准。
假如没有形貌清楚，那么就有可能导致画出来的图片翻车，由于AI只读取了图片，但是没有对图片中的具体内容。

可以根据我们上一篇文章讲到的提示词来优化我们现在的提示词。这里不再具体说细节了，我们上篇文章已经对提示词做了很清楚的解说。
02 AI绘画提示词原理详解
那么优化之后的样子是什么样的呢？

继续对「重绘幅度」举行优化。在设置的时候也必要自己调试一个安全范围，太高可能会导致画面变形，太低又看不出具体的重绘结果。
那么我们实验后，找到「重绘幅度」的平衡点是多少呢？

末了我们再来优化一下图片的分辨率。
我们最好是跟原图的尺寸一样。什么意思呢？假如你原图是 512 * 512，那说明比例是 1:1 的。那么你输出的图片的比例也应该是 1:1的。
否则我们生成的图片是会严重变形的。我们设置为 800 * 800，也是能和原图的1:1比例对应起来的。

假如你上传的图片分辨率黑白常大的，那么是必要事先将图片裁剪到能被SD画出来的安全范围。
在上面这些参数都举行优化了之后，我们再点击「生成」。

这时候很显着是要比前面第一次生成的结果要好的。

---

3、随机种子seed的应用
就像我们之前说的，就算你给你原图，但是假如不对提示词举行准确精准的形貌，大概不调试符合的参数的话，AI也不能准确无误的懂得你的意思。
假如我们原图背景本来是室外的，而通过「图生图」生成出来的图片是室内的。

那么我们倒是可以通过增加和修改提示词，来达到我们想要的室内结果。

修改完新的提示词后，我们得到的结果是下面这样，都成了室内的图片。

但是又出现了新的问题，但是人物的姿势怎么改变了，还是AI的「随机性」在作祟。
我们还是想要和之前的人物姿势一样，这怎么办呢？这时候我们就要用到「随机种子」

AI生成一幅作品的过程是随机的，但它的每一次生成都有自己的一套形貌方式，而这个形貌方式会被纪录成一组随机数，也就是随机种子。

不同的随机种子生成出来的图片肯定是不一样的，但是假如你用同一个随机种子来生成图片，那肯定两组图片的相似度黑白常高的，由于都是用同一套随机方法生成出来的。
由于你每生成一张图，就会生成一套随机种子，有的种子结果好，有的种子结果差。你可以把这个随机种子简单理解成AI生成这张图的唯一编号。
在「随机种子」这个选项中，左边的