今天这篇文章，主要想分享下如何优化图片，核心目的就是让图片变得更好看。
StableDiffusion默认生成的图片分辨率为512*512，“只可远观，不可近赏”来形容怕是再合适不过了。好不容易抽到了一张自己心仪的图，但苦于颜色暗淡，分辨率低下，有什么办法能在原画的基础上，让它的细节更丰富吗？答案是肯定且简单的。
原始图
一、高分辨率修复（Hires.fix）
使用方法：
1、勾选高分辨率修复，输入放大倍数；
2、调整数据（高分迭代步数、重绘幅度）
2.1高分迭代步数：是StableDiffusion等图像生成模型中的一个关键参数，控制生成过程中的迭代次数。更多的迭代步数通常会带来更高的图像质量和细节，但同时也会增加生成时间。一般来说，较少的迭代步数（如50到100）生成速度快但图像细节可能不足；较多的迭代步数（如150到300或更多）生成速度慢但图像细节更丰富。
（上图设置为150，出图生成时间明显变长）
2.2 重绘幅度:用于控制图像重绘的程度。它决定了在从噪声图像生成最终图像时，模型对输入提示词的依赖程度。重绘幅度的值通常在0到1之间：
0：表示没有重绘，即保持原始图像不变。
1：表示完全重绘，即生成的图像完全依赖于提示词，不参考原始图像。
当调整到0.9时，生成了一张跟原图完全不沾边的图，可见该数值对原图的影响非常大。
3、选择放大算法；
有一种说法是无脑选择 R-ESRGAN 4x+ 算法就好，如果是二次元就选择 R-ESRGAN 4x+ Anime6B，但就我个人体会来说似乎影响不大，如果有多余时间可以几种算法都尝试。
画面都显得有些灰暗，颜色并不鲜艳，可以通过勾选模型旁边地外挂VAE模型，效果提升明显。
二、图生图
1、调整重绘尺寸；效果与将图片发送到后期处理效果看不出区别。
2、脚本-SD放大。
使用方法：
1、在脚本下拉菜单中选择SD upscale；
2、在放大倍数中填入合适的数字。
3、在分块重叠像素宽度中保持默认值64即可，或者其他值X。
4、在重绘尺寸栏中，将步骤3中填入的数值加上原有的值，得出一个新值填入其中。例如原始图片尺寸为512512，扩大成原来的两倍即1024，再加上重叠像素值64，最终填入10881088。
5、可以根据需要需要对CFG Scale值和重绘幅度值进行调整。
这么做的原因在于，该功能实现的原理是放大的原理把原图切成若干份，各自生成后再拼接成一张更大的图，而这多出来的像素就是用来重合时做缓冲使用。
可以看出明显的拼接痕迹
三、Tiled Diffusion + Tiled VAE
在StableDiffusionUI上的操作很容易，只需要勾选这两个框、调整放大倍数，其他保持默认也可以实现放大功能。
以下是它们的工作原理：
Tiled Diffusion**通过将图像分割成较小的块，每个块单独进行处理，然后将处理后的块重新拼接成完整的高分辨率图像。这种方法的关键步骤包括：**
-
图像分割：将原始图像分割成多个重叠的较小块。重叠部分可以帮助在拼接时避免明显的边缘或接缝。
-
块处理：对每个块单独进行扩散过程，即逐步去噪和细化图像。每个块可以独立处理，这样可以避免处理整个图像时的高内存占用。
-
图像重建：将处理后的块重新拼接成完整的图像。重叠部分的像素可以通过加权平均或无缝拼接算法处理，确保块之间的过渡平滑自然。
Tiled VAE**也采用分块处理的方式，将图像分割成较小的块，每个块单独进行编码和解码。具体步骤包括：**
-
图像分割：将原始图像分割成较小的块，块的大小可以根据具体需求进行调整。
-
块编码：使用VAE对每个块进行编码，将高维图像数据压缩成低维潜在向量。
-
块解码：将潜在向量解码回高分辨率图像块。解码后的图像块可能会进行一些细化处理，以提高图像质量。
-
图像重建：将解码后的图像块重新拼接成完整的图像，同样需要处理块之间的过渡部分，以确保拼接效果自然。
以下是使用Tiled Diffusion和Tiled VAE对图像进行放大和修复的具体步骤：
-
准备图像：加载需要放大和修复的原始图像。
-
设置块大小：选择合适的块大小，通常根据图像分辨率和可用的计算资源进行选择。
-
图像分割：将原始图像分割成指定大小的块，确保块之间有一定的重叠区域。
-
处理每个块：
-
对于Tiled Diffusion，逐步去噪和细化每个块。
-
对于Tiled VAE，先对每个块进行编码，再进行解码和细化。
-
图像重建：将处理后的块拼接回原始图像，处理重叠区域以确保图像的平滑过渡。
最后，如果大家对SD绘画感兴趣，可以了解一下我们的课程，顺便白嫖一些AI绘画的资料！！！
扫一扫
3141
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
