一键修复老照片：稳定扩散与ComfyUI工作流详解

最新推荐文章于 2025-04-12 14:59:05 发布

Python程序员小泉

最新推荐文章于 2025-04-12 14:59:05 发布

阅读量1.5k

点赞数 27

分类专栏： SD教程 AI绘画文章标签： stable diffusion 人工智能 AI作画 AI绘画 AIGC

本文链接：https://blog.csdn.net/m0_59162248/article/details/145123323

版权

AI绘画同时被 2 个专栏收录

542 篇文章

订阅专栏

SD教程

513 篇文章

订阅专栏

在数字时代，老照片的修复和上色已不再是繁琐的手工工作。借助先进的人工智能工具，如ComfyUI，我们可以实现一键式的老照片修复，只需上传一张老照片，系统便能自动完成上色和修复工作。这篇文章将详细介绍这一过程的工作流和关键节点，帮助你更好地理解和应用这项技术。

文章末尾有工作流作者、主页、获取方式！需要的朋友自取！

一、工作流概述

老照片修复的工作流主要依赖Stable Diffusion的ComfyUI交互界面。通过这些工具，用户可以自动处理上传的老照片，完成图像的修复和上色，恢复照片的原始风貌。整个过程只需简单几步操作，即可轻松实现。

二、节点详细信息

在ComfyUI工作流中，节点是操作的基础单元。以下是本次老照片修复中使用的关键节点和模块：

Primitive Nodes (6)：这些基础节点负责图像的初步处理，包括加载和生成图像的基础操作。
AuraSR.AuraSRUpscaler (1)：这个节点用于对图像进行超分辨率处理，提升照片的清晰度，使修复后的图像更加细腻。
ChinesePrompt_Mix (2)：提供中文提示的混合节点，帮助精确控制照片修复和上色的效果。
Note (1) & easy getNode (1)、easy setNode (1)：这些节点用于设置和获取特定的工作流参数，确保操作的一致性。
Custom Nodes (23)：这些自定义节点来自Comfyroll Studio、ComfyUI Essentials等多个模块，专门用于优化照片的修复效果。
- CR Multi-ControlNet Stack (1)：一个多重ControlNet堆栈，用于精细控制修复过程中的各个参数，确保照片的修复质量。
- PreviewImage (6)：在修复过程中的多个步骤，实时预览图像的变化，便于调整和优化。
- ImageSharpen (1)：图像锐化节点，用于增强修复后的照片细节，使其更加清晰。
ComfyUI Essentials：基本功能模块如ImageResize+ (1)，用于调整图像尺寸，确保照片处理的适应性。
ComfyUI Impact Pack：包含**ToBinaryMask (1)**等节点，用于创建二值化蒙版，帮助修复图像中的破损部分。
Facerestore CF (Code Former)：该模块专门用于人脸修复，使用FaceRestoreModelLoader (1) 和 **FaceRestoreCFWithModel (1)**节点加载和应用人脸修复模型，恢复人像的原貌。
ReActor Node for ComfyUI：包含**ReActorFaceSwap (1)**节点，用于修复或替换照片中的面部细节。