如何在Stable Diffusion 中使用img2img

在Stable Diffusion 中使用img2img（圖生圖）功能，是指透過一張已有的圖片作為基礎，結合文字提示詞，產生與其相似但又有所不同的新圖片。這個功能非常強大，可以用於影像編輯、風格轉換、修復、增強解析度等多種用途。

以下是在Stable Diffusion 中使用img2img 的詳細步驟和關鍵參數解釋：

1. 開啟img2img 介面：

無論你使用的是AUTOMATIC1111 WebUI、ComfyUI 或其他Stable Diffusion 的圖形介面，都需要找到並切換到"img2img" 標籤頁。

2. 上傳或貼上圖片：

在img2img 介面中，你需要上傳你想作為基礎的圖片。通常有兩種方式：

• 上傳圖片：點擊"Upload image" 或類似的按鈕，選擇你電腦上的圖片檔案。

• 貼上圖片：如果圖片在你的剪貼簿中，可以直接貼到指定的區域。

3. 填寫提示詞：

在"Prompt" 文字方塊中，輸入你希望產生的圖片內容的描述。提示詞的品質直接影響最終生成的效果，所以要盡可能清晰、具體地描述你想要的畫面。

4. 關鍵參數設定：

• Denoising strength（去噪強度）：這是img2img 中最重要的參數之一。它控制著生成影像與原始影像的相似程度。

• 0.0：產生的影像與原始影像完全相同（幾乎沒有變化）。

• 1.0：產生的影像與原始影像完全無關，只根據提示字產生全新的影像（相當於txt2img）。

• 0.2-0.8：這是常用的取值範圍。較低的值（如0.2-0.4）會使生成的圖像更接近原始圖像，只做一些細微的修改或風格轉換；較高的值（如0.6-0.8）會使生成的圖像與原始圖像有較大的差異，更偏向根據提示詞來創作。

• Resize mode（調整大小模式）：這個參數決定如何處理上傳圖片和產生圖片尺寸不一致的情況。

• Just resize（僅調整大小）：直接將上傳的圖片縮放到目標尺寸，可能會導致圖像變形。

• Crop and resize（裁切並調整大小）：先裁切圖片以符合目標寬高比，然後再縮放，可以避免影像變形，但可能會損失部分影像內容。

• Resize and fill（調整大小並填滿）：先將圖片縮放到目標尺寸，然後用某種方式（例如填滿顏色或鏡像）填滿空白區域，以達到目標寬高比。

• Sampling method（採樣方法）：與txt2img 類似，選擇不同的採樣方法會影響生成的速度和品質。常用的採樣方法包括Euler a、DPM2、DPM++ 2M 等。

• Sampling steps（採樣步數）：決定了去噪過程的迭代次數。步數越多，生成影像的品質通常越高，但耗時也更長。

• CFG Scale（分類器自由引導比例）：與txt2img 中的作用相同，控制模型對提示詞的遵循程度。

• Seed（種子）：用於產生隨機雜訊的種子，相同的種子和參數會產生相同的影像。

5. 生成圖像：

設定好參數後，點擊"Generate" 或類似的按鈕，Stable Diffusion 就會開始根據你的設定產生影像。

使用場景舉例：

• 風格轉換：上傳一張照片，輸入提示詞"a painting in the style of Van Gogh"，可以將照片轉換為梵谷風格的繪畫。

• 圖片修復：上傳一張有瑕疵的圖片，使用inpainting 功能（通常在img2img 中也有），結合提示詞描述需要修復的部分，可以修復圖像。

• 增強解析度：上傳一張低解析度的圖片，結合upscale 功能（通常也整合在img2img 中），可提高影像的解析度並增加細節。

• 線稿上色：上傳一張線稿圖，輸入提示詞描述顏色和風格，可以讓AI 自動上色。

一些使用技巧：

• 多次迭代：如果對產生的結果不滿意，可以嘗試調整參數（尤其是去雜訊強度）或修改提示詞，然後再次產生。

• 使用負面提示字：在"Negative prompt" 文字方塊中輸入你不希望在影像中看到的內容，可以提高生成品質。

• 結合其他功能： img2img 可以與其他功能（例如ControlNet）結合使用，以實現更精細的控制。

透過以上步驟和技巧，你就可以在Stable Diffusion 中靈活運用img2img 功能，創作出各種不同的影像作品。