Stable Diffusion修复老照片-图生图_stable diffusion 人像修复-优快云博客

本文链接：https://blog.youkuaiyun.com/HJS123456780/article/details/137079604

本文介绍了如何使用AIGC技术中的realisticVisionV20和相关模型如ControlNetTile、ADetailer在StableDiffusionWebUI中进行图像修复和生成的过程。作者分享了实际操作步骤和技巧，并讨论了AIGC技术的未来发展趋势和应用前景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、原理

这个方法需要一个真实模型，以便让修复的照片看起来比较像，我这里选择：realisticVisionV20，大家有更好的给我推荐哦。

还需用搭配两个特殊设置：

ControlNet Tile：这是一个ControlNet模型，用于放大和补充细节。

ADetailer：这是一个插件，用于修复人脸，也需要加载对应的模型。

我从网上找了一张比较模糊的照片（如有侵权，请告知替换）。

2、实操

打开Stable Diffusion WebUI，进入“图生图”界面。

（1）选择好大模型，填写合适的提示词和反向提示词。

注意提示词需要匹配照片。不会写的同学，可以使用WebUI中的反向推导工具先生成一个，然后再进行修改，我这里贴出这张图的提示词：

提示词：ultra detailed, masterpiece, best quality, an photo of a old man in a hat and a hat on his heads, with greying temples, (looking at viewer), a character portrait, mingei,simple background, clean
反向提示词：easy_negative, NSFW, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, skin spots, acnes, skin blemishes,age spot, (ugly:1.331), (duplicate:1.331),(morbid:1.21), (mutilated:1.21), (tranny:1.331),flower,lines,white point,plant,

（2）基础生成参数设置。

图生图这里上传待修复的图片：

缩放模式：裁剪，不改变尺寸的情况下这个没影响，改变尺寸的时候会截取。

采样器：Euler a

采样步数；20

尺寸：768*1064，想要出图的尺寸，一般原图尺寸就可以，生成好了再裁减。

提示词引导系数：7，这是默认值，出图不满意的时候可以调整试试。

重绘强度：这里选择1，以更好的补充细节，可以根据实际情况调整。

图像生成种子：-1，代表随机种子，建议不要固定，否则每次出来的都一样。

（3）设置ControlNet Unit

在第一个Unit中上传原图；勾选“启用”，否则ControlNet不生效；勾选“Pixel Perfect”，勾选“Allow Preview”。

这里选择Control类型为 Tile，注意预处理器和模型都要对应上，都是包含tile的，一般WebUI会自动选择上，没有自动的需要自己选择；

Control Weight 用来控制Tile的权重；

Starting Control Step 和 Ending Control Step 用来控制ControlNet介入图像生成的步骤。

如果想让SD更自由发挥一下，可以调整下权重和介入步数，这里采用默认值。

（4）修脸插件

对于修复大爷的照片，这里感觉没什么用，如果生成效果不好的话，可以试试它。

（5）最后点击生成，看看效果，还不错！

文章使用的大模型、Lora模型、SD插件、示例图片等，都已经上传到我整理的 Stable Diffusion 绘画资源中。有需要的小伙伴文末扫码自行获取。

写在最后

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。