【Stable Diffusion】图片高清化+面部修复+一键抠图，一些你不知道的事儿

最新推荐文章于 2025-03-24 13:46:30 发布
最新推荐文章于 2025-03-24 13:46:30 发布
阅读量1.2k 收藏 27
点赞数 39
文章标签： stable diffusion 人工智能 大数据 midjourney
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HJS123456780/article/details/137111574
版权

说到后期处理板块，大家第一印象就是图像放大，快速且高效。但是今天要讲的后期处理当中，肯定还有一些是你不知道的事儿。

# 放大算法

首先是关于放大算法，如果大家用的都是秋叶大佬的整合包的话，算法总共应该就是这些。常用的就是“R-ESRGAN 4x+”做写实图片，“R-ESRGAN 4x+ Anime6B”做二次元图片。

但是经常去C站，copy一些别人的作品却老是发现他们用的放大算法是什么“4x-UltraSharp”之类的高级货。

那就是因为，这些高端的放大算法，你还没下载。

所以，我在这里整理了四款更厉害的放大算法，分别是：“4x-UltraSharp”、“8x_NMKD-Superscale_150000_G”、“8x_NMKD-Typescale_175k”、“16xPSNR”。并将它们放在了云盘里，大家下载之后，将这四款放大算法放入“……\sd-webui-aki-v4.2\models\ESRGAN”这个路径之中，然后重启软件。

就可以看到这四款新的放大算法了。

我们以这张图作为例子来测试一下，这张图片现在分辨率是512*512。

我将这张图发送到后期处理，分别使用一个传统算法“Lanczos”、一个常用算法“R-ESRGAN 4x+ Anime6B”，和刚才下载的四个算法做一个对比。

图片太小，大家可能看不清细节，我直接来做一下总结。

传统放大算法Lanczos对原图没有任何优化，仅仅只是放大像素，直接pass。

曾经的王者“R-ESRGAN 4x+ Anime6B”表现蛮好的，放大之后，图片有了更多的细节和更清晰的轮廓。

但是和新晋放大器“4x-UltraSharp”比起来，还是弱了一些，“4x-UltraSharp”拥有更清晰的细节，而且没有过度锐化的部分。

随着前面数字的增加，8x、16x系列的放大器，拥有了更真实的处理细节，不仅仅只追求把人物还原得光滑好看，而是增加了很多噪点和毛孔细节，让人物看起来更加真实可信。

这四个新算法呢，正常情况下推荐“4x-UltraSharp”效果相当好，“8x_NMKD-Superscale_150000_G”色调相当偏冷一些，“8x_NMKD-Typescale_175k”，比4x的放大器皮肤噪点更多，如何取舍就取决于你需要多高的真实度了，至于“16xPSNR”，生图速度有点慢，效果相对于8x而言没有明显提升，不建议使用。

# 面部修复

我们接着来看一下这个GFPGAN面部修复，我找一张模糊人像来修复一下。

其他参数不变，直接将GFPGAN参数拉到1，就可以了。

看一下面部修复效果，宛如重生。当然这个功能只能修复脸部，所以头发、衣服、背景等没有变化。

# 背景去除

这个功能需要再安装一个插件REMBG，安装地址是https://github.com/AUTOMATIC1111/stable-diffusion-webui-rembg.git 。

安装好之后重启，就有这个选项框了。

使用这张图测试一下，模型就选第一个u2net，直接点击生成。

抠图效果还是蛮不错的，边缘轮廓有些黑边，用时2.86秒。

如何去掉这个黑边呢，需要点击后面的Alpha matting，来调整一些参数。它们分别控制抠图边缘尺寸，前景阈值、背景阈值。

通过一系列测试，推荐给大家一套比较通用的参数设置——Erode size：6、Foreground threshold：143、Background threshold：187。

通过这个参数，我们就能一键得到没有黑边的图像了。

另外，点击这个按钮，还可以直接生成蒙版。

这里还有一个专门做服装抠图的模型，可以一键识别出模特的服装。

这就非常方便我们做换装的处理了。

还有一个专门给动漫抠图的模型。

我们使用这张图测试一下。

抠图效果还是可以的，可能是背景比较复杂，用时19秒。

关于后期处理里面的一些冷僻小知识就介绍到这里了，如果想要这个插件的话，文末扫码即可获取！

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。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权，请联系删除
Stable Diffusion 抠图工具使用小记
kcarly的专栏
04-29 6103
用stable diffusion有段时间了，最近使用了它的抠图工具这里是我对该工具的使用和记录。希望可以帮其他人了解相关内容。在图像处理中，抠图是一项非常重要的任务。传统的抠图方法通常需要人工进行较长时间的描边和选择，效率低下且不准确。然而，Stable Diffusion提供的工具相当智能，可用于图像抠图，使该过程更加快速、准确和简单。它可以用于处理不同尺度、不同复杂度的图像，并且可以通过调整参数来适应不同的抠图任务。文末附100个Lora资源方便大家使用。
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 5139
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。
Stable Diffusion 老照片修复+高清化+一键抠图教程_sd老照片修复
最新发布
Python栈_基的博客
03-24 685
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。
Stable Diffusion面部修复！ADetailer超详细简易技巧教学
2401_84250575的博客
05-14 2902
这个面部修复扩展可以使图像从这样变成这样在低分辨率绘制全身图像时，面部和手部一直是一个难以处理的问题。这个面部修复的扩展可以完美修复面部，但手部就会用到其他插件。今天我们主要介绍stable diffusion 的ADetailer extension脸部的修复面部！第一部分：安装ADetailer。
Stable Diffusion面部修复！ADetailer超详细简易技巧教学（附插件安装包）
m0_58477260的博客
09-14 786
今天我们主要介绍stable diffusion 的ADetailer extension脸部的修复面部！
AI绘画图片高清化+面部修复+一键抠图，一些你不知道的事儿
白帽阿叁的博客
03-16 2272
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。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。
Mac下Stable Diffusion一键安装
06-02
Stable Diffusion 一键安装，国内镜像，无需魔法，Apple Silicon (M1/M2)使用MPS支持GPU，可以根据任何领域的文本输入生成高质量、高分辨率且逼真的图像。 默认选项MAC M1 10秒出图
window下Stable Diffusion一键安装【已安装成功】
02-05
在"Stable Diffusion" 的一键安装过程中，可能包含以下步骤： 1. 下载安装包：用户首先需要从国内镜像下载专门为Windows设计的安装包。 2. 运行安装程序：双击下载的安装文件，启动安装向导，按照提示进行操作。 3. ...
stable diffusion（stable-diffusion-webui-rembg）抠图模型
07-23
在实际应用中，用户可能通过"stable-diffusion-webui-rembg"这个Web界面上传图片，这些模型会处理图片并返回抠图结果，方便用户进行后续编辑或合成。 标签中的“stablediffusion”是指稳定扩散技术，它是整个项目的...
深度学习关于stable diffusion官方模型下载，并附上：Stable Diffusion下载+安装+使用教程，保证你能学会！
zgq0116的博客
12-28 5679
备份自用的stable diffusion
Anime4KSharp:仅在CPU上运行的Anime4K的C＃实现仅用于学习
05-08
动漫4KSharp AC＃实现在CPU上执行 ，以更好地了解算法。 在我看来，它更像是一个过滤器，而不是升频器。 注意：这是Anime4K的非常早期版本的实现，因此已过时且与当前的官方Anime4K回购版本不匹配。 用法 dotnet Anime4KSharp.dll [input_path] [output_path] [（Optional）scale] [（Optional）push_strength] [（Optional）push_gradient_strength] 默认可选参数： scale = 2f; pushGradStrength = scale / 2f; pushStrength = scale / 6f; 写上去 实际上，该算法与该描述的bloc97一样简单。 基本上可以用5个步骤来描述。 假设我们有以下图像： 步骤1使用双三次插值法放大图像。 步骤2
StableDiffusion对图片进行高清、优化、放大
m0_59236602的博客
05-27 4201
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。
stable diffusion一键抠图插件rembg，快速移除背景保留人物软件
m0_71745754的博客
09-13 1547
以前我们抠图要么用抠图网站要么就用PS自己扣，要么花钱要么就是慢，现在AI功能很强大，我们可以使用stable diffusion插件stable-diffusion-webui-rembg实现图片一键快速抠图，省时省力效果还很不错。下面演示一下具体操作。首先打开stable diffusion webui界面，如果没有安装sd的话，可以stable diffusion安装，查看具体安装教程。
探索 Stable Diffusion WebUI with ReMBG: 创新的图像处理工具
gitblog_00001的博客
04-10 366
探索 Stable Diffusion WebUI with ReMBG: 创新的图像处理工具 stable-diffusion-webui-rembgRemoves backgrounds from pictures. Extension for webui.项目地址:https://gitcode.com/gh_mirrors/st/stable-diffusion-webui-rembg ...
AI抠图使用指南：Stable Diffusion WebUI Rembg实用技巧
程序员，AI探索者
08-05 3357
上面做了一个基本的演示，但是这些参数我们如何配置才能发挥最好的效果呢？这一小节就来看看这些参数的定义。u2net：通用的的预训练模型，通常用这个就行。u2netp：u2net的轻量级版本。u2net_human_seg：专门针对人像分割的预训练模型，只是分割人像时建议使用。u2net_cloth_seg：专门从人像上抠衣服的预训练模型，它会把衣服分成三部分：上半身、下半身和全身。silueta：和u2net相同，但是大小减少到43Mb，方便在小内存机器上使用。
Stable Diffusion【插件篇】：图片中背景的删除
qq_41314882的博客
03-29 1520
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。
Stable Diffusion 老照片修复+高清化+一键抠图教程
qq_41314882的博客
05-09 4690
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。
stable diffusion的DPM++ 2M Karras采样器安装
03-22
<think>嗯，用户想安装Stable Diffusion的DPM++ 2M Karras采样器。首先，我需要确认用户使用的是哪个平台，比如Automatic1111的WebUI还是ComfyUI。因为不同的平台安装步骤可能不同。 根据引用[4]，Stable Diffusion的采样器通常集成在WebUI中，比如Automatic1111的版本。所以可能用户需要先确认他们的WebUI版本是否已经包含这个采样器。如果已经更新到最新版，可能DPM++ 2M Karras已经存在了。比如引用[1]提到DPM++2M Karras是其中一个系列，可能属于内置的采样器。 那用户可能需要先更新他们的WebUI。步骤大概是进入安装目录，运行git pull命令。如果有扩展管理器的话，可能还需要更新扩展。不过，如果DPM++ 2M Karras属于核心的一部分，可能不需要额外安装，只需要确认版本是否支持。 另外，引用[3]提到DPM-Solver++需要高阶求解器，可能某些实现需要额外的依赖库，比如xformers或者CUDA工具包。用户可能需要安装这些依赖项，但如果是通过WebUI安装的话，可能已经包含这些了。 也有可能用户遇到问题，比如采样器没有显示出来，这时候需要检查日志或者重新安装依赖。或者，如果是自定义的采样器，可能需要从GitHub下载代码，但根据引用[4]，DPM++系列可能已经集成在主流UI中，不需要额外安装。 总结步骤应该是：1. 更新WebUI到最新版；2. 检查可用采样器列表；3. 如果找不到，可能检查扩展或重新安装依赖；4. 测试采样器是否正常工作。同时，注意用户是否需要特定的配置，比如Karras调度器，这在引用[2]中提到可能需要选择正确的调度方式。</think>### Stable Diffusion DPM++ 2M Karras 采样器安装指南 #### 1. 确认基础环境 - **Stable Diffusion WebUI 版本**：DPM++ 2M Karras 采样器通常集成在主流 WebUI 中（如 **Automatic1111** 或 **ComfyUI**）。需确保 WebUI 已更新至最新版本[^3][^4]。 - **依赖库检查**：若使用原生代码库，需安装 `xformers` 和 `torch` 等依赖，可通过以下命令更新： ```bash pip install -U xformers torch ``` #### 2. 安装/更新步骤 - **Automatic1111 WebUI**： 1. 进入 WebUI 根目录，运行更新命令： ```bash git pull ``` 2. 若使用扩展管理器，更新所有扩展： ```bash ./webui.sh --update-all-extensions ``` 3. 重启 WebUI，在采样器下拉菜单中检查是否出现 `DPM++ 2M Karras`[^1][^4]。 - **ComfyUI**： 1. 通过 `Manager` 更新自定义节点： ```bash git clone https://github.com/comfyanonymous/ComfyUI ``` 2. 安装 `DPM-Solver++` 相关节点（若需手动集成）。 #### 3. 验证与使用 - **采样器调用**：在生成图像的参数设置中，选择 `DPM++ 2M Karras`，建议参数： ```python { "steps": 20, # 推荐15-20步 "cfg_scale": 7.5, # 引导尺度（参考引用[3]） "scheduler": "karras" # Karras调度器[^2] } ``` - **性能测试**：生成图像时观察显存占用与速度，若出现异常可尝试 `--no-half` 启动参数。 #### 4. 常见问题解决 - **采样器未显示**：检查 WebUI 版本是否≥1.6.0，或尝试重装 `k-diffusion` 库： ```bash pip install -U k-diffusion ``` - **显存不足**：降低图像分辨率或启用 `--medvram` 模式。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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