前言
介绍
SD（Stable Diffusion）中，ControlNet绝对是一个绕不开的神器！它不仅能让你生成的图片更符合预期，还能控制线条、姿势、色彩等多种细节，真正做到“所想即所得”。
今天这篇文章，一图流展示ControlNet的各种控制类型和效果。简单易懂，帮你快速掌握ControlNet控制类型！
文章有点长，建议码住。
温馨提示🔔：
本节生图时均用基础大模型且没有添加复杂文本提示词，只为展示各控制类型效果，便于小白也能跟着实操！
线条控制
在controlnet中用于线条控制的有Canny边缘检测、M-LSD边缘检测、Lineart动漫线条提取和softedge_hed边缘检测。接下来我们就分别来看一下这些功能。
1.Canny边缘检测
可以做到比较精准的边缘检测
启用流程，我们直接一图流来看一下⬇️
将源图拖入序号1️⃣内，功能区序号2️⃣内启用这几个功能，然后控制类型选择Canny，对应的预处理器和模型记得调整匹配的（不然点击生图后没有效果）。参数都调整完以后，点击序号5️⃣的小爆炸图标，可以完成预览效果。就会提取源图的线条，新生成的图就会受这些线条的控制。最后生图效果如序号6️⃣图。
序号7️⃣Low Threshold和High Threshold（即高低阈值），这个主要是用来调整，线条控制的细节度的，为什么是两个阈值，圈圈在网上也查了一下关于这个的介绍，包括我个人学习过的课程，基本没有讲的太准确的。要理解清楚这个就必须了解一下canny算法的一些底层逻辑，而这不是应用级的内容，如果想理解就继续看下面框内的介绍，不想理解可以略过，这个内容不做强求。
一般的边缘检测算法都是单阈值的，即设置一个阈值来和边缘像素点做对比，如果比这个值大就认为是强边缘点，（就认为是边缘了），否则这个点就被抑制掉了（认为非边缘）。
而canny采用了双阈值，即大于High Threshold的边缘像素点被标记为强边缘点，大于Low Threshold的且小于High Threshold的被标记为弱边缘点，小于Low Threshold的才会被抑制掉。
而其中这个弱边缘点，在从强边缘点出发过滤时如果一直是相连接的就保留，否则就被抑制掉。是不是有点理解边缘是怎么检测出来的了。所以这个东西不是随便调的，有一 定的关联性的，低阈值再怎么调也要比高阈值低，且推荐的高低阈值最佳配比是2:1或者3:1.
所有的AI设计工具，模型和插件，都已经整理好了，👇获取~
如果不想看，用默认的设置就可以，太多太少的线条控制都不太好。
2.SoftEdge（软边缘）
主要保留轮廓的细节，一般不用于太复杂的画面，具体大家可以在实操的时候多换着用，来感受。
选择控制类型为softEdge，点击小爆炸预览下效果（如图），然后看下生成效果图⬆️。
都是和上面一样的操作，主要带大家看下预览效果和生图效果。
3.M-LSD边缘检测
结构性线条检测，比较适合建筑、室内设计时的出图控制。
你看这种图，如果用了MLSD边缘检测，就检测不出来。⬇️
这时候如果我们给他一个室内设计的图，检测效果和出图效果都很好⬇️
到这里你在网上看到的很多用sd做室内设计的都是以这个为基础点来搞的！
⬆️图中的参数介绍：
MLSD Value Threshold：
调节画面线条的工具，数值越大，画面线条越少。
MLSD Distance Threshold：
对远距离线条的处理，数值越大，远距离线条越少。
需要我们实际应用时，边调整边预览边看效果。
4.Lineart线条检测
比较适合动漫的线条提取
一图流展示如下⬇️，注意留意预览图和生成效果的控制
注⚠️：开篇已经说明，本节生图全是默认模型且不添加复杂文本提示词，方便新手操作，所以生图结果只看控制效果，自己实操的时候可以选择模型和添加提示词来调整出图效果！
姿势控制
在controlnet中通过OpenPose来进行姿势控制，后面我们还会讲一个核心插件3D OpenPose控制更细节，这里先来看一下controlnet中的。
OpenPose（姿势）
一图流如下，可以看到预览图可以识别出角色的骨骼图，来对生图进行姿势约束。
你可以点击编辑来对骨骼节点等进行编辑。
可供选择的预处理器如下，根据下图的中文翻译根据你生图要控制的部分来选择就可以！
深度控制
它可以探测图片生成深度图，然后在生图时会基于图像深度进行控制来渲染目标图片。
一图流如下⬇️，控制类型选择Depth就可以使用，生成的预览图，越靠前越白，越靠后越黑，基于此控制生成的效果图就会被深度约束。
这时候，肯定有小伙伴会对其控制效果表示怀疑，那么women用canny来控制这张图片来看下效果，看看在深度感上有什么不同
很明显第一张图的深度感更强烈。
色彩控制
参考原图的色彩来约束生图。
一图流如下⬇️，需要选择控制类型T2I，然后预处理器选择color对应的，模型可以看到这个前缀不是control而是t2iadapter，前文我们开篇介绍文件命名时可以知道如果不是control开头的这个就是个非官方模型，生图效果会被原图的色彩所约束。
我们可以再加一个控制单元，比如线条控制，两个control来一起控制生图（如下图序号1️⃣），注意两个通道的control都要启用，同时控制线条和颜色来看下效果（色彩不太像，主要是因为大模型用的默认的，这里启发大家可以多开几个通道一起控制）
风格控制
用过Midjourney应该知道–sref这个参数，就是用来风格控制的，我们来看看SD中的效果
shuff（随机洗牌）
可以提取图片风格，一图流如下下
物品控制
seg语义分割
它会将物品进行分割，有点像前面介绍的segment anything，而且每种色彩都有对应的物品。
一图流如下⬇️，可以从预览图中看出，对不同物品进行了颜色的区分，在生图时就会生成对应的物品。
其他控制
由于ControlNet更新很快，后续肯能会出更多的控制效果，此篇内容均来自圈圈小报童专栏，感兴趣在文章最后可以了解一下。
1.Scribble（涂鸦）
可以上传图片，一图流如下。
💡Tips：也可以自己创建空白画布自己涂鸦来生图，如果还不知道怎么创建空白画布，圈圈专栏有讲）
2.Normal法线
这个通常用于参考图中材质的约束，比如木纹材质等各种材质，如果你比较中意原图的材质感可以启用这个控制。
3.Reference（参考）
这个有点类似Midjourney中的–cref角色一致性控制
一图流如下
Style Fidelity（仅用于均衡模式）：风格保真度。
4.Tile（分块）
可以补充细节以及颜色修复
我们用图生图功能，看一下效果
💡Tips：仔细观察瞳孔和睫毛的一些细节，放到PS中对比会更明显。这个通常会结合放大使用，下面会介绍
Tile设置⬇️
结合upscale放大使用来高清细节化图片。脚本那里选择SD upscale设置放大倍数后再生图就可以，搭配Tile使用效果很好！
参数⬇️
Tile 模型专属参数 Down Sampling Rate，意思是向下缩放取样系数。作用是系数越大，得到的参考图越小，取值细节越小，最终得到的效果图随机细节越多，与原图的关系越小。
5.IP2P（make it ***）
有个固定用法，在提示词中输入make it xxx（中文就是使它变成什么什么）比如我们可以让一张春天的场景变成冬天的场景。
导入一张风景照
提示词中输入 make it winter（意思是使它变成冬天），看下效果
这个东西当有人像在图中时效果不是很好，常应用在场景图上面。
送资料
本节带大家预览来几乎所有controlnet的控制类型，及其生图效果，绝对不是随便码个教程来应付，如果你觉得本文对你有所帮助，辛苦点个赞和在看！
这里直接将该软件分享出来给大家吧~
1.stable diffusion安装包
随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。
最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。
2.stable diffusion视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入坑stable diffusion，科学有趣才能更方便的学习下去。
3.stable diffusion模型下载
stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。
4.stable diffusion提示词
提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，整个SD学习过程中都离不开这本提示词手册。
5.SD从0到落地实战演练
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名SD大神的正确特征了。
这份完整版的stable diffusion资料我已经打包好，需要的点击下方插件，即可前往免费领取！
1542
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
