Stable Diffusion 模糊头像照片高清修复教程
引言
在数字图像处理中，经常遇到需要提升低分辨率或模糊人像照片质量的需求。直接使用 Stable Diffusion 的后期处理功能虽然能修复人脸，但往往无法兼顾背景细节；而使用图生图配合 ControlNet 的 Tile 模型虽然能增强纹理，却容易导致人脸特征不一致。本文将详细介绍一种结合两者的方案，在保持人脸一致性的基础上实现图片的高清修复。
问题背景
- 直接放大修复：仅使用 SD 内置的后期处理（如 GFPGAN/CodeFormer），人脸会变清晰，但头发、服装等背景区域依然模糊。
- ControlNet Tile 单独使用：虽然能增强整体清晰度，但对于真人照片，人脸容易发生变形或身份特征丢失。
- 目标：既要高清化背景，又要严格锁定人脸特征。
解决方案概述
核心思路是将'人脸修复'与'全局高清'分步进行，并通过蒙版控制重绘范围。具体流程为：
- 先通过后期处理工具修复面部。
- 利用图生图局部重绘（Inpaint）固定人脸区域。
- 启用 ControlNet Tile 模型控制背景纹理生成。
详细操作步骤
第一步：基础人脸修复
上传待修复的模糊头像到 Stable Diffusion 的后期处理功能区。
- 操作：不立即放大图片，先勾选
GFPGAN和CodeFormer选项。 - 说明：这两种算法专门用于人脸重建。实测同时选中效果最佳，能最大程度还原五官细节。
- 结果：人脸变得清晰，但身体、背景等区域仍保持原状（模糊）。此时图片尺寸应与原图保持一致，便于后续处理。
第二步：图生图局部重绘设置
将经过人脸修复的图片上传至 img2img（图生图）模块，并选择 Inpaint（局部重绘）模式。
- 绘制蒙版：使用画笔工具，将清晰的人脸区域涂白。这表示该区域将被保护，不参与重绘。
- 参数配置：
- 蒙版模式：重绘非蒙版内容（针对未涂白的区域进行生成）。
- 蒙版区域内容处理：原版（保留原始图像信息）。
- 重绘区域：整张图片（确保全局一致性）。
- 采样器：Euler a（适合快速收敛）。
- 采样迭代步数：20（平衡速度与质量）。
- 图片宽高：531 * 715（保持与原图一致）。
- CFG Scale：7（标准提示词遵循度）。
- 重绘强度（Denoising Strength）：0.75（较高强度以允许背景变化，但需配合 ControlNet 约束）。
第三步：大模型选择
推荐使用写实类大模型，例如 majicMIX realistic v7 版本。此类模型对光影和质感的还原能力较强，适合人像修复场景。
第四步：提示词编写
为了保持画面风格一致，建议基于原图反推提示词。
- 方法：使用 WD1.4 标签器对原模糊图片进行分析。
- 示例 Prompt：
solo,1boy,shirt,male focus,necktie,white shirt,collared shirt,black hair,blue background,looking at viewer,realistic,black eyes,striped,portrait,striped necktie,wing collar,closed mouth,smile,short hair
