如何使用StableDiffusion对图片进行高清、优化、放大

stablediffusion知识库

于 2024-11-25 18:43:31 发布

阅读量2.1k

点赞数 28

文章标签： stable diffusion 计算机视觉人工智能 AI作画 linux 学习

本文链接：https://blog.csdn.net/yihanss/article/details/144035279

版权

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。

针对各位AIGC初学者，这里列举了一条完整的学习计划，感兴趣的可以阅读看看，希望对你的学习之路有所帮助，废话不多说，进入正题：目标应该是这样的：

第一阶段（30天）：AI-GPT从入门到深度应用

该阶段首先通过介绍AI-GPT从入门到深度应用目录结构让大家对GPT有一个简单的认识，同时知道为什么要学习GPT使用方法。然后我们会正式学习GPT深度玩法应用场景。

-----------

GPT的定义与概述
GPT与其他AI对比区别
GPT超强记忆力体验
万能GPT如何帮你解决一切问题？
GPT表达方式优化
GPT多类复杂应用场景解读
3步刨根问底获取终极方案
4步提高技巧-GPT高情商沟通
GPT深度玩法应用场景
GPT高级角色扮演-教学老师
GPT高级角色扮演-育儿专家
GPT高级角色扮演-职业顾问
GPT高级角色扮演-专业私人健身教练
GPT高级角色扮演-心理健康顾问
GPT高级角色扮演-程序UX/UI界面开发顾问
GPT高级角色扮演-产品经理
GPT高级技巧-游戏IP角色扮演
GPT高级技巧-文本冒险游戏引导
GPT实操练习-销售行业
GPT实操练习-菜谱推荐
GPT实操练习-美容护肤
GPT实操练习-知识问答
GPT实操练习-语言学习
GPT实操练习-科学减脂
GPT实操练习-情感咨询
GPT实操练习-私人医生
GPT实操练习-语言翻译
GPT实操练习-作业辅导
GPT实操练习-聊天陪伴
GPT实操练习-育儿建议
GPT实操练习-资产配置
GPT实操练习-教学课程编排
GPT实操练习-活动策划
GPT实操练习-法律顾问
GPT实操练习-旅游指南
GPT实操练习-编辑剧本
GPT实操练习-面试招聘
GPT实操练习-宠物护理和训练
GPT实操练习-吸睛爆款标题生成
GPT实操练习-自媒体爆款软件拆解
GPT实操练习-自媒体文章创作
GPT实操练习-高效写作推广方案
GPT实操练习-星座分析
GPT实操练习-原创音乐创作
GPT实操练习-起名/解梦/写诗/写情书/写小说
GPT提升工作效率-Word关键字词提取
GPT提升工作效率-Word翻译实现
GPT提升工作效率-Word自动填写、排版
GPT提升工作效率-Word自动纠错、建议
GPT提升工作效率-Word批量生产优质文章
GPT提升工作效率-Excel自动化实现数据计算、分析
GPT提升工作效率-Excel快速生成、拆分及合并实战
GPT提升工作效率-Excel生成复杂任务实战
GPT提升工作效率-Excel用Chat Excel让效率起飞
GPT提升工作效率–PPT文档内容读取实现
GPT提升工作效率–PPT快速批量调整PPT文档
GPT提升工作效率-文件批量创建、复制、移动等高效操作
GPT提升工作效率-文件遍历、搜索等高效操作
GPT提升工作效率-邮件自动发送
GPT提升工作效率-邮件自动回复
GPT接入QQ与QQ群实战
GPT接入微信与微信群实战
GPT接入QQ与VX多用户访问实战
GPT接入工具与脚本部署实战

第二阶段（30天）：AI-绘画进阶实战

该阶段我们正式进入AI-绘画进阶实战学习，首先通过了解AI绘画定义与概述，AI绘画的应用领域，PAI绘画与传统绘画的区别，AI绘画的工具分类介绍的基本概念，以及AI绘画工具Midjourney、Stable Diffusion的使用方法，还有AI绘画插件和模板的使用为我们接下来的实战设计学习做铺垫。