Stable Diffusion 图生图功能入门详解
概述
图生图（Image-to-Image，简称 Img2Img）是 Stable Diffusion 中一项核心功能。与文生图不同，图生图允许用户基于已有的参考图像进行重绘、修改或风格迁移。其基本原理是在输入图像的基础上添加噪声，然后通过去噪过程生成新图像。这一功能在图像修复、风格转换、细节增强以及创意扩展等方面具有广泛应用。
本文将深入讲解 Stable Diffusion WebUI 中的图生图功能，涵盖反向提示词、缩放模式、重绘幅度及涂鸦绘制等关键参数，并提供最佳实践建议。
一、反向提示词（Reverse Prompting）
在图生图模式下，系统需要理解原始图像的语义信息，以便在保留原图特征的同时进行合理的修改。Stable Diffusion 提供了多种反向提示词工具：
1. CLIP 反推
CLIP（Contrastive Language–Image Pre-training）模型能够理解图像与文本的关联。使用 CLIP 反推，SD 会根据图像内容生成描述性的自然语言提示词。
- 特点：生成的提示词较为口语化，接近人类描述习惯。
- 适用场景：快速理解图像内容，适合初学者。
2. DeepBooru 反推
DeepBooru 是一种基于标签的分类模型，专门用于生成符合 Danbooru 风格的标签式提示词。
- 特点：输出为逗号分隔的标签列表，包含大量细节描述（如构图、光影、人物特征）。
- 适用场景：需要精确控制生成细节的专业用户，更符合 SD 的训练数据分布。
3. WD 1.4 标签器插件
WD 1.4 Tagger 是一个第三方插件，通常能提供比内置工具更准确的标签提取效果。
- 安装方法：在扩展商店搜索
tagger，找到第一个结果并安装，重启 WebUI 后生效。 - 优势：识别率高，标签丰富，能捕捉到细微的特征。
对比示例： 对于同一张女性肖像图：
- CLIP 反推可能生成："a digital painting of a woman with long hair..."
- DeepBooru 反推可能生成："1girl, long_hair, necklace, solo, wavy_hair..."
- WD 1.4 反推通常结合两者优点，提供更结构化的标签集。
二、缩放模式（Scaling Mode）
在调整图像尺寸时，不同的缩放模式会对最终生成结果产生显著影响。常见的模式包括：
1. 仅调整大小（Just Resize）
直接对图像像素进行拉伸或压缩。
- 效果：可能导致人物变形或比例失调，因为未考虑图像内容的语义结构。
2. 裁剪后缩放（Crop and Resize）
先将图像裁剪至目标比例，再进行缩放。
- 效果：会丢失边缘部分的内容。如果是横向图，左右两边可能被裁切；如果是纵向图，上下两边可能被裁切。
3. 缩放后填充空白（Scale to Fit and Fill）
先将图像缩小至指定尺寸，然后使用算法填充剩余空白区域。
- 效果：保留了完整画面，但填充区域可能存在痕迹，后续可通过局部重绘优化。
4. 潜空间放大（Latent Upscale）
在潜在空间（Latent Space）中进行放大操作，而非像素空间。
- 效果：相比普通放大更具随机性，可能会引入新的细节或纹理，但也可能导致不可控的变化。
