03.图生图基础工作流|提示词自动化|存储节点预设|提示词风格化

图生图基础工作流

![[Pasted image 20250624145030.png]]

需要一个加载图像节点来导入图像,但是这个图像在像素层,需要通过VAE编码到潜空间中
中间需要控制批次的话,需要将空Latent换成复制Latent批次
![[Pasted image 20250624145215.png]]

此时生成的图像和原图没有什么关系
需要控制降噪参数,也就是重绘幅度,调成0.5之后
![[Pasted image 20250624145558.png]]

调节尺寸

在加载图像和VAE编码之间添加一个图像缩放节点
裁剪方式选择中心
![[Pasted image 20250624150115.png]]

图像对比

安装rgthree节点,然后重启
![[Pasted image 20250624151234.png]]

![[Pasted image 20250624151327.png]]

将原图和生成的图都连上去
![[Pasted image 20250624151538.png]]

可以通过滑动鼠标来进行对比

Controlnet

大幅改变图像内容,但是整体图像动作,人物架构不变
添加controlnet加载器选择lineart
再添加lineart预处理器,将图像,加载器和正负条件连接到controlnet应用中
![[Pasted image 20250624152121.png]]

粗糙化默认关闭
强度代表管控controlnet模型强度
![[Pasted image 20250624155528.png]]

![[Pasted image 20250624155514.png]]

动漫风格转绘

![[Pasted image 20250624162322.png]]

![[Pasted image 20250624162306.png]]

![[Pasted image 20250624162300.png]]

提示词自动化

图生文反推提示词

搜索WD14
![[Pasted image 20250624164528.png]]

置信度
数值越高,反推出的关键词就越少
数值越低,反推出的关键词就越多
![[Pasted image 20250624171159.png]]

自动负面提示词

![[Pasted image 20250624171426.png]]

增强负面设置为1,开启效果
随机强度
数值越低,生成的关键词越多
数值越高,生成的关键词越少
![[Pasted image 20250624172254.png]]

存储节点为预设

![[Pasted image 20250624180914.png]]

![[Pasted image 20250624181058.png]]

风格化

下载SDXLpromptstyler
![[Pasted image 20250626125958.png]]

如图设置节点
宽高一定是1024左右
可以更换风格

### 创建从成视频的工作流程 #### 工具和技术概述 在信息技术领域,将一系列静态像转换成连续播放的视频是一个常见的需求。这一过程涉及多个阶段的技术处理,包括但不限于像预处理、帧率设置以及最终合成。 对于像到视频的转换工作流而言,OpenCV 是一种广泛使用的计算机视觉库[^2]。该工具不仅能够读取和写入片文件,还支持多种格式之间的相互转化,并提供了丰富的接口用于调整像属性,如尺寸缩放、色彩空间变换等操作。通过 OpenCV 可以轻松实现批量加载多张静止画面并按照指定顺序排列组合成为一段连贯动态影像的功能。 另一个重要的方面在于时间轴管理——即决定每一张显示的时间长度(也称为持续时间)。这通常由编程者根据具体应用场景自行定义,在 Python 中可以借助 `cv2.VideoWriter` 类来完成这项任务。此方法允许设定编码器参数、分辨率大小及帧速率等关键配置项,从而确保输出成品具备理想的流畅度和平滑过渡效果。 最后一步则是渲染导出环节。为了提高效率,建议采用硬件加速技术优化整个编解码过程;而对于高质量要求较高的项目,则可能需要用到更专业的编辑软件来进行后期精修,比如 Adobe Premiere Pro 或 Final Cut Pro X 等商业级解决方案。 ```python import cv2 import os def create_video_from_images(image_folder, output_path='output.avi', fps=30): images = sorted([img for img in os.listdir(image_folder) if img.endswith(".png") or img.endswith('.jpg')]) frame = cv2.imread(os.path.join(image_folder, images[0])) height, width, layers = frame.shape fourcc = cv2.VideoWriter_fourcc(*'XVID') video = cv2.VideoWriter(output_path, fourcc, float(fps), (width,height)) for image in images: video.write(cv2.imread(os.path.join(image_folder, image))) cv2.destroyAllWindows() video.release() create_video_from_images('path/to/image/folder') ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值