『Stable Diffusion』文生图进阶：高分辨率图片生成技巧与实战指南

最新推荐文章于 2025-04-25 16:35:57 发布
最新推荐文章于 2025-04-25 16:35:57 发布
阅读量1.2k 收藏 25
点赞数 24
文章标签： stable diffusion 人工智能 AI作画 学习 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/ice829/article/details/145793986
版权

本文简介

在Stable Diffusion中生成高分辨率图片是许多用户的目标。本文将分享实用技巧与工具，助你轻松突破分辨率限制，创作出更清晰、细节丰富的AI艺术作品！

在使用 SD 文生图功能时，我们能选得大模型大致有两类，一类是普通模型，另一类是更加新的 SDXL 模型。

普通模型就是 SD 的一些旧版模型，是将 SD 1.5 或 SD 2.0作为底模开发出来的模型。这类模型也是我们现阶段用得最多的模型。它的基础分辨率是
512 x 512 像素。

如果我们需要将增加图片分辨率，直接修改文生图的
width 和 height 出来的效果并不会很好。有时候会还会出现多头的情况，例如下图这种情况。

01.png

出现这种情况的原因是画面变大了，人家原本擅长绘画的尺寸是 512 x 512 ，而你现在一下子就将画布变大了很多，AI
自由绘画的像素点就变多了，这就有可能出现不合理叠加等问题。

高清修复功能 Hires. fix

介绍

那如果需要生成一张高分辨率的照片，又不想出现这种诡异的情况要怎么办呢？

我们可以使用 SD 提供的 Hires. fix 功能去放大图片。

也就是我们先生成图片，基于这个图片的内容选择一个放大算法去提升图片的分辨率，然后基于这个基础上再整体重绘图片。

看看这个实例：

02.png03.png
768 x 5121536 x 1024

左图的分辨率是 768 x 512，右图使用了 Hires. fix 功能放大了 2 倍。

在使用 Hires. fix 出来的效果是不错的，细节也更加丰富，但随之而来的缺点也很明显，启用了 Hires. fix
对图片进行放大，出图的时间会大幅增长，配置不高的设备甚至会爆显存。如果配置不高的电脑尽量不要将图片放大得太多，建议不超2倍。

实操

接下来是实操环境。

咒语：

(best quality, masterpiece, perfect face, beautiful and aesthetic:1.2, colorful, dynamic angle), handsome beautiful woman humanoid woman robot part metal wires with wavy short dark hair, elegant, red lighting, realistic, concept art, smooth, detailed, high quality, alphonse mucha and waterhouse,, <lora:add_detail:0.5>, (high contrast, official art, extreme detailed, highest detailed)
Negative prompt: portrait, doll, (leaning against wall:1.3), (asian, chinese:1.3), (worst quality, low quality), FastNegativeV2
Steps: 20, Sampler: DPM++ 2M SDE, Schedule type: Exponential, CFG scale: 6, Seed: 2055601004, Face restoration: CodeFormer, Size: 768x512, Model hash: 07341fcad2, Model: aniverse_v30Pruned, Downcast alphas_cumprod: True, Version: v1.9.3



  * 1
  * 2
  * 3
  * 4

本例用到的模型下载地址：文末领取~！

首先我们导入咒语，你也可以设置自己的提示词和参数。然后设置图片的宽高。这里我选择的是 768 x 512 ，也就是一张横屏的图片。

04.png

然后选择上图中红框上方的 Hires. fix。选中后展开它，在 Upscale by 这一项中设置 2 ，也就是等比放大2倍。

05.png

接着我还将 Denoising strength 设置成 0.6
，这个参数的意思是重绘幅度。在高清修复后还会对图片进行整体重绘，这个数值越高，重绘出来的图片就会和原图相差很大。

最后点击生成按钮。

03.png

Hires. fix 参数讲解

在 Hires. fix 面板中还有很多参数可以配置。

放大算法 Upscaler

Upscaler 选项中可以选择不同的高清算法对图片进行放大。

  • Latent：Latent开头的算法是一种简单直接的放大算法，对电脑配置要求不高，速度很快 ，但出图效果不是很好 ，可能会出现模糊不清晰等情况。
  • Lanczos：当放大图像时，它通过计算权重，在原图的每个像素周围插入新的像素；当缩小图像时，它会从原图每个像素周围的像素中选择一个值来替换这个像素。这个算法的运算速度也算快 ，出图效果也还行 ，能用。
  • Nearest：是一种插值算法，通过缩放系数计算目标图像在原图中的坐标位置，然后找到原图中距离该位置最近的像素值，将其作为目标图像当前像素的数值。运算速度很快 ，但可能会产生锯齿或者块状瑕疵 ，效果不太好。
  • ESRGAN_4x：通过学习低分辨率图像与其对应高分辨率图像之间的映射关系，实现从低分辨率图像到高分辨率图像的映射过程，进而实现图像的超分辨率。分辨率最高可增强4倍，但可能会出现锐化效果。适合油画风 。
  • LDSR：通过训练的潜在扩散模型来提升图像的分辨率，出图效果很好 ，出图的细节全给你拉满，但很吃电脑资源，运算速度也很慢，可以用龟速 来形容了。
  • R-ESRGAN 4x+：通过引入残差连接和递归结构，并使用生成对抗网络进行训练，在提高图像分辨率的同时也完善了图像细节，生成图像的质量比传统方法更高 ，推荐。
  • R-ESRGAN 4x+ Anime6B：是 R-ESRGAN 4x+ 的一个衍生版本，修复二次元漫画的效果很好 。
  • ScuNet GAN：可以去除图像噪声，同时保留原始细节，但速度慢。可以去除照片和绘画的早点。不太适合二次元漫画 ，但也勉强能用。
  • ScuNET PSNR：降噪效果很好，适用于需要保持更多图像细节、纹理、颜色等信息的处理场景，速度也很慢。不适合二次元漫画 。
  • SwinIR 4x：可将低分辨率图像发达为原来的4倍，生成高分辨率图像。可增强图像的真实感和清晰度。适用于图像重建、图像增强和图像超分辨率等方面，但出图速度很慢，适合修复绘画，不适合二次元漫画 。

在使用 Hires. fix 放大算法之前可以看看你正在使用的模型的作者有没有推荐使用什么放大算法，如果有的话就按照作者推荐的去选择就好了。

在写本文时，为了快速生成图片所以才选了 Latent。

放大倍数和手动调整宽高

放大倍数：通过调整 Upscale by 可以等比放大原图，这个参数是比较常用的。但电脑配置不太高的工友建议不要把该值设置得大于2。

手动调整宽高：Resize width to 和 Resize height to 可以分别调整图形的宽和高，会修改原图的比例。不建议使用。

设置了 Resize width to 和 Resize height to 后，Upscale by 就不生效了。

高分迭代步数 Hires steps

Hires steps 是高分迭代步数，默认值是0，0的意思是使用文生图设置的迭代步数。

如果你重新设置这个值，它生成的画质就会有所不同，数值越高出来的图片精细度就越高。但数值也不是设置得越高越好，比如某些图片设置了60，出来的效果和你设置30是差别不大的。但数值越高出图速度也就越慢。是有边际效应的。

重绘幅度 Denoising strength

Denoising strength 重绘幅度，这个值会影响出图效果。数值远大，出来的图片和原图的差距就越大。

如果不想改变原图的效果这个数值可以设置在0.5以下。但 Denoising strength
的值最终设置多少合适，还是要看你使用了什么底模，有时候设置得太小出来的效果也会很奇怪，画面四周的像素可能会出现很模糊的情况。例如下图是将该值设置成0.3的效果。

06.png

可以看到这个图片的质量并不是很好，脸部细节确实更清晰了，但衣服和背景都糊了。

具体还是要看你生成的图片风格再做参数的微调。

高分模型 Checkpoint

07.png

最后还可以通过选择不同的模型、不同的模型采样算法、正反向提示词对原图进行修改。这意味着你可以基于原图的基础上进行调整。

但默认是没有上图这些选项的，需要在 设置里手动开启 Hires fix: show hires checkpoint and sampler selection 和 Hires fix: show hires prompt and negative prompt，然后保存并重启UI。

08.png

比如我想将上图人物的头发改成粉色，那么我在正向提示词里输入 pink hair ，生成的人物头发就出现一丝粉色。

09.png

注意，是在Hires. fix 的正向提示词输入框里输入提示词，而不是在原来底模下方的输入框输入！！！

10.png

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

（全套教程文末领取哈）
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，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

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

Stable Diffusion - 超分辨率插件 StableSR v2 (768x768) 配置与使用
AGI
07-06 9426
StableSR 算法提出了一种新颖的方法，利用预训练的文本到图像扩散模型中封装的先验知识，来实现盲超分辨率（SR）。具体来说，通过使用时间感知编码器，可以在不改变预训练的合成模型的情况下，实现令人满意的恢复结果，从而保留了生成先验并最小化了训练成本。为了弥补扩散模型固有的随机性造成的保真度损失，引入了一个可控的特征包裹模块，允许用户在推理过程中通过简单地调整一个标量值来平衡质量和保真度。此外，开发了一种渐进式聚合采样策略，以克服预训练扩散模型的固定尺寸限制，使其能够适应任何尺寸的分辨率。
(5-4-01)基于Stable Diffusion的文生图系统：（1）Stable Diffusion介绍
码农三叔
09-01 140
Stable Diffusion 是一种基于深度学习的文本到图像生成模型，它使用一种称为扩散模型（diffusion model）的技术来生成图像。扩散模型是一类生成模型，它们通过逐步添加噪声到数据中，然后再学习如何逆转这个过程来生成新的数据样本。Stable Diffusion 的实现步骤如下所示。（1）预训练阶段：Stable Diffusion 模型首先在大量的图像和文本对上进行预训练，学习图像内容和相关描述之间的关联。
『SD』文生图-如何生成高分辨率图片？
xiaolinyui的博客
05-20 1868
那如果需要生成一张高分辨率的照片，又不想出现这种诡异的情况要怎么办呢？我们可以使用 SD 提供的Hires. fix功能去放大图片。也就是我们先生成图片，基于这个图片的内容选择一个放大算法去提升图片的分辨率，然后基于这个基础上再整体重绘图片。768 x 512左图的分辨率是768 x 512，右图使用了Hires. fix功能放大了 2 倍。在使用Hires. fix出来的效果是不错的，细节也更加丰富，但随之而来的缺点也很明显，启用了Hires. fix。
『SD』如何控制人物姿态？
weixin_39415598的博客
07-17 864
theme: smartblue 点赞 + 关注 + 收藏 = 学会了 在网上看到一张poss摆得不错的照片，想参考这个poss用 Stable Diffusion 生成一张图片，有什么办法？用精准的词语去描述这个动作？这么做太复杂了。 Stable Diffusion 的神级插件 ControlNet 就提供了姿态控制这个功能。我们可以将参考图上传到 ControlNet，让它推理出这...
DDPM代码详解(一)
weixin_42841721的博客
03-23 2591
比如一个batch有四个样本，每个样本的步长在[1, 1000]中随机生成，比如可以是[50, 100, 94, 786]。5. 接下来要实现逆向生成过程：逆向生成过程也是按照前面原理部分的公式得到的，只是把数学公式用代码表达而已。由于默认总步数是1000步，但是为了适配不同的定义，可以自己指定总步数，因此这里就会对每一步的步长进行缩放。至此，原始DDPM的代码已经实现了，还差一个生成噪声的network的定义，之后将在下一次代码详解中介绍。首先我们从整体来思考一下，DDPM的代码实现，会包含哪些部分。
Diffusion 公式推导和代码实现
周红伟讲AI
03-13 1183
预测噪声Diffusion model(一): 公式推导详解。
〔014〕Stable Diffusion 之 超分辨率图像生成 篇
国内某知名游戏公司小菜鸡工程师
08-19 2138
超分辨率图像的生成，适合照片的高清修复
Stable Diffusion 文生图txt2img基础使用
Mr数据杨
06-19 2751
Stable Diffusion 的 WebUI 不仅为图像生成提供了极大的灵活性，同时通过参数配置的精细调整，增强了生成图像的精准度和质量。通过对模型选择、关键词输入、采样方法、图像尺寸等参数的精确控制，用户可以将个人创意转化为高质量的图像作品。Negative Prompt 的加入更是强化了生成的可靠性，避免了图像中常见的缺陷。此外，通过高清修复、面部优化、平铺效果等功能，系统进一步提升了图像的细节表现。
AI绘画教程：如何在stable diffusion中生成高清大图？
05-29
第一种方法是在文生图的时候，选择下方的hires.fix高分辨率修复，这将生成图片的尺寸从512*512调整到1024*1024的大图。但是，这样做将导致出图速度变慢。 第二种方法是使用extras附加功能，在stable diffusion中的...
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 5102
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常用的模型
失之东隅，收之桑榆
04-26 2342
可以搭配负面提示词优化EasyNegative使用。
AI绘画工具Stable Diffusion WebUI 最新版v1.9.0重大更新！
A13531922962的博客
04-18 1216
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。
【周末福利】看看AI绘画工具SD生成的美女有多美！（附AI提示词）
Trb701012的博客
09-23 700
Stable Diffusion，是一种AI绘画生成工具。今天给大家简单介绍一下如何用AI提示词批量生成美女！
『SD』文生图-如何生成高分辨率图片？还不会的朋友们可以参考一下！
m0_71745754的博客
09-03 1396
在使用 SD 文生图功能时，我们能选得大模型大致有两类，一类是普通模型，另一类是更加新的 SDXL 模型。普通模型就是 SD 的一些旧版模型，是将 SD 1.5 或 SD 2.0 作为底模开发出来的模型。这类模型也是我们现阶段用得最多的模型。它的基础分辨率是512 x 512像素。如果我们需要将增加图片分辨率，直接修改文生图的width和height出来的效果并不会很好。有时候会还会出现多头的情况，例如下图这种情况。出现这种情况的原因是画面变大了，人家原本擅长绘画的尺寸是512 x 512。
StableDiffusion对图片进行高清、优化、放大
m0_59236602的博客
05-27 4187
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:Diffusion Model
最新发布
jerwey的博客
04-25 519
Diffusion（扩散）在 Stable Diffusion 中指的是“加噪-去噪”的生成过程，核心思想是通过学习如何逆转噪声的扩散过程来生成数据。使其高效，条件扩散使其可控，从而能够根据文本生成高质量的图像。生成的图像质量高，细节丰富。可以通过调节噪声步数（如 DDIM 的）平衡生成速度和质量。结合文本条件，实现高度可控的图像生成。
初探Stable Diffusion：开启AI图像生成的新纪元
qq_34348690的博客
04-23 1139
Stable Diffusion是由Stability AI开源发布与维护的创新图像生成技术，是一种支持文本到图像生成（Txt2Img）的模型。
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