【AI绘画黑科技】ControlNet线稿上色：一键生成专业效果

Stable Diffusion作为先进的AI图像生成系统，其功能远不止于创意图像合成。该技术在专业设计领域展现出强大的实用价值，特别是其线稿自动上色功能，能够：
1.精准识别线稿结构
2.智能匹配色彩方案
3.保持绘画风格的统一性
4.大幅提升设计效率

需要说明的是，AI技术并非要取代传统美术创作，而是为设计师提供：
1.快速概念验证工具
2.创意灵感来源
3.工作流程优化方案
4.重复性工作的自动化处理

这种技术演进正在重塑设计行业的工作方式，将艺术家的创造力从技术性工作中解放出来，使其更专注于核心创意表达。

下面来看下操作步骤：

-在进行AI线稿上色前，建议优先选择线条清晰连贯、主体轮廓明确且无杂色干扰的线稿素材。下面是我从网上随便找的线稿和一键上色后的图片，效果非常棒。

• 网上找到合适的线稿图片后，我们还要稍微进行裁剪一下，因为这张线稿是竖版，所以要事先将它的尺寸调节成512*768。尺寸不要调节太大，因为 stable diffusion 对硬件的消耗非常大，尺寸调节太大你的机器会跑不起来。我们一般先生成小图，最后再将小图再进行放大。

• 这时将一张带有关键词信息的图片拖到 stable diffusion 工作台的图片信息里，我们需要这张图片里的关键词信息，点击文生图，利用这些关键词生成图片。当然你也可以自己写一段关键词，因为我比较懒，所以就直接套用这张图片里的关键词信息了。

• 在文生图界面，往下拉会有一个ControlNet选项，打开它（ControlNet是一个插件，因为版面原因，具体安装方法这里就不作介绍了）。

几个重点注意事项：

1、一定勾选“启用”，不然所有操作均为无效操作。

2、预处理器选择“canny边缘检测”，模型也要对应选择"canny“，否则会出错。

3、面布尺寸要和设置为512*768，要和线稿图保持同一比例。

具体需要调节的地方我已经在下方图片中用红色标注出来了。

一切都设置好后，直接点击生成按钮就可以出图了，图片效果非常不错，nice!

当然，你可以根据自己的喜好手动调节关键词信息，或者更换不同的大模型或 lora 进行操作，你会得到不同类型风格的图片，这里给大家提供几张不同模型生成的图片，每一张都有不同的特点，你喜欢哪一张呢？

我整理了一份完整版的AI全套资料包已经上传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】
目前 ControlNet 已经更新到 1.1 版本，相较于 1.0 版本，ControlNet1.1 新增了更多的预处理器和模型，每种模型对应不同的采集方式，再对应不同的应用场景，每种应用场景又有不同的变现空间

我花了一周时间彻底把ControlNet1.1的14种模型研究了一遍，跑了一次全流程，终于将它完整下载好整理成网盘资源。

其总共11 个生产就绪模型、2 个实验模型和 1 个未完成模型，现在就分享给大家，点击下方卡片免费领取。

1. 线稿上色

**方法：**通过 ControlNet 边缘检测模型或线稿模型提取线稿（可提取参考图片线稿，或者手绘线稿），再根据提示词和风格模型对图像进行着色和风格化。

**应用模型：**Canny、SoftEdge、Lineart。

Canny 示例：（保留结构，再进行着色和风格化）

2. 涂鸦成图

方法：通过 ControlNet 的 Scribble 模型提取涂鸦图（可提取参考图涂鸦，或者手绘涂鸦图），再根据提示词和风格模型对图像进行着色和风格化。

应用模型：Scribble。

Scribble 比 Canny、SoftEdge 和 Lineart 的自由发挥度要更高，也可以用于对手绘稿进行着色和风格处理。Scribble 的预处理器有三种模式：Scribble_hed，Scribble_pidinet，Scribble_Xdog，对比如下，可以看到 Scribble_Xdog 的处理细节更为丰富：

Scribble 参考图提取示例（保留大致结构，再进行着色和风格化）：

3. 建筑/室内设计

**方法：**通过 ControlNet 的 MLSD 模型提取建筑的线条结构和几何形状，构建出建筑线框（可提取参考图线条，或者手绘线条），再配合提示词和建筑/室内设计风格模型来生成图像。

**应用模型：**MLSD。

MLSD 示例：（毛坯变精装）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

4. 颜色控制画面

**方法：**通过 ControlNet 的 Segmentation 语义分割模型，标注画面中的不同区块颜色和结构（不同颜色代表不同类型对象），从而控制画面的构图和内容。

**应用模型：**Seg。

Seg 示例：（提取参考图内容和结构，再进行着色和风格化）

如果还想在车前面加一个人，只需在 Seg 预处理图上对应人物色值，添加人物色块再生成图像即可。

5. 背景替换

**方法：**在 img2img 图生图模式中，通过 ControlNet 的 Depth_leres 模型中的 remove background 功能移除背景，再通过提示词更换想要的背景。

**应用模型：**Depth，预处理器 Depth_leres。

**要点：**如果想要比较完美的替换背景，可以在图生图的 Inpaint 模式中，对需要保留的图片内容添加蒙版，remove background 值可以设置在 70-80%。

Depth_leres 示例：（将原图背景替换为办公室背景）

6. 图片指令

**方法：**通过 ControlNet 的 Pix2Pix 模型（ip2p），可以对图片进行指令式变换。

应用模型：ip2p，预处理器选择 none。

**要点：**采用指令式提示词（make Y into X），如下图示例中的 make it snow，让非洲草原下雪。

Pix2Pix 示例：（让非洲草原下雪）

7. 风格迁移

**方法：**通过 ControlNet 的 Shuffle 模型提取出参考图的风格，再配合提示词将风格迁移到生成图上。

**应用模型：**Shuffle。

Shuffle 示例：（根据魔兽道具风格，重新生成一个宝箱道具）

8. 色彩继承

**方法：**通过 ControlNet 的 t2iaColor 模型提取出参考图的色彩分布情况，再配合提示词和风格模型将色彩应用到生成图上。

**应用模型：**Color。

Color 示例：（把参考图色彩分布应用到生成图上）

这份完整版的ControlNet 1.1模型我已经打包好，需要的点击下方插件，即可前往免费领取！

这里就简单说几种应用：

1. 人物和背景分别控制

2. 三维重建

3. 更精准的图片风格化

4. 更精准的图片局部重绘

以上就是本教程的全部内容了，重点介绍了controlnet模型功能实用，当然还有一些小众的模型在本次教程中没有出现，目前controlnet模型确实还挺多的，所以重点放在了官方发布的几个模型上。

同时大家可能都想学习AI绘画技术,也想通过这项技能真正赚到钱，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学，因为自身做副业需要，我这边整理了全套的Stable Diffusion入门知识点资料，大家有需要可以直接点击下边卡片获取，希望能够真正帮助到大家。