【comfyUI基础】局部重绘，错图修正超多内幕和技巧，你知道吗（一，基础重绘的理解和使用）

前言

在我们使用AI生成图片的时候，很难用提示词对我们所生成的图片所有细节都描述到位，而且AI也不会完全的按照你的表述生成所有细节。这种随机性很有趣，但也带来了有时一些总体很不错的图片由于一两处“败笔”或不合逻辑导致整个图片的完全无法使用。比如常见的手部问题，背景的细节扭曲等。
这个系列我将给大家实战如何去在comfyUI中局部重绘的方式、区别和技巧，以及如何利用机制和特殊插件来完成最优的局部重绘。
现在很多讲解的教程都是视频，我个人还是觉得文章的信息密度更高更适合做教程。有兴趣大家可以点个关注持续更新。

这是一张基础的文生图流程，基于此，我们开始本文的内容。

目录

前言

两种基础重绘使用

一、VAE Encode (for inpainting)

二、Set Latent Noise Mask

两种方式的区别

基础转绘更多技巧

一、使用imageCompositeMasked根据蒙版融合图片

二、使用imageBlur来在原图基础上做强化修改

---

两种基础重绘使用

在lanten -> inpaint下有如下两个原生节点可以帮我们重绘

指定原图重绘区域只需要在load image上右键选择“open in mask editor”

一、VAE Encode (for inpainting)

输入：pixels(图片)，vae(解码)，mask(遮罩)，grow_mask_by（遮罩延申）

二、Set Latent Noise Mask

输入：samples(潜空间)，mask(遮罩)

在采样器设置，正向和反向提示词都完全不变的情况下，可以看到两种重绘都较好的完成图片下半部分的修改。

两种方式的区别

可以看到这两种重绘方式在唯一的区别就在于中间这部分的使用

那让我们将这两部分的输出拉出来看看：

可以看到对于VAE Encode (for inpainting) 给采样器的是去除掉蒙版区域的剩余图片，
而Set Latent Noise Mask 给采样器的是完整的图片，但是他将蒙版的位置告诉了采样器。

接触过WebUI的同学是不是感觉有点熟悉？

实际上这就是webUI的Orginal和latent noise 模式。
那么基于此我们就可以知道他们的的正确用法：
Set Latent Noise Mask：由于有原图作为底图，所以降噪强度越低，画面越接近原图，利用这一点，他适合我们降低降噪强度在原图基础上略微调整。

VAE Encode (for inpainting) ：由于蒙版区域全是基于提示词生成的新噪声，他更适合我们对原图进行彻底的修改，而且在使用中降噪强度不能过低，否则就会全是噪声。

基础转绘更多技巧

一、使用imageCompositeMasked根据蒙版融合图片

输入：destination(目标图片) ，source(源图片【蒙版区域替换图片】)，mask蒙版区域，xy(源图片相对目标图片位置)，resize_source(拉伸源图片以适应目标图片)
前面我们已经知道了
Set Latent Noise Mask 是有原图作为基底的，同理，我们可以把其他的图片作为基底来生产我们想要的图像：
例如，我们想将旁边的这个小兔子换成一瓶花，我们可以任意找一个素材，在把蒙版拼接，配合合适的降噪程度，我们可以得到类似的花的替代：

二、使用imageBlur来在原图基础上做强化修改

输入：blur_radius(模糊半径)，sigma(模糊密度)
有时候我们觉得原图还可以但细节需要加强。或者有一些细节不想要，但大体还是可以的。我们可以使用此节点将原图模糊再融合到一起。这样模糊的部分会小幅度的重绘，并且由于是在原图模糊基础上，重绘后会和其他部分的边界融合的很好（对于原图是大面积色块是效果尤其好）。
比如我想将左边的柜子重绘，但是保留原来柜子的主体造型，且不要影响窗帘和柜子的边界：

可以看到，效果还是很不错的。

本系列的下篇文章我将讲解如何基于扩展插件去更好的重绘：

1. 如何通过局部重绘较好的去除图画中不需要的部分
2. 如何对画面的细节进一步增强

查看我的公众号，还有更多教程和资讯分享！本文所有工作流也放到了上面，回复“重绘1”即可获得！
                                                                                                                  ——因为热爱的AI漫谈社