ComfyUI 中使用Canny ControlNet SD1.5 模型指南

Canny ControlNet 是ControlNet 模型中最常用的一種。它使用Canny 邊緣檢測算法來提取圖像中的邊緣信息,然後利用這些邊緣信息來引導AI 生成圖像。

Canny ControlNet 主要特點

保持結構: 能夠很好地保持原始圖像的基本結構和輪廓

靈活性強: 可以通過調整邊緣檢測的參數來控制引導的強度

適用範圍廣: 適合素描、線稿、建築設計等多種場景

效果穩定: 相比其他ControlNet 模型,Canny 的引導效果更加穩定和可預測

一、ComfyUI 中如何使用Canny ControlNet SD1.5 模型

1. 更新ComfyUI 並安裝必要模型

由於部分節點使用的是新的ComfyUI 節點，所以需要先更新ComfyUI 到最新版本

更新ComfyUI 請參考ComfyUI 更新教程

首先需要安裝以下模型:

2. 模型存放位置

請按照以下結構放置模型文件:

3. SD1.5 Canny ControlNet 工作流文件下載

SD1.5 Canny ControlNet Workflow

保存下面的圖像到本地，在載入工作流後在LoadImage 節點中選擇加載這張圖片SD1.5 Canny ControlNet Workflow

二、工作流說明

這個工作流主要包含以下幾個部分:

1.模型加載部分: 加載SD 模型、VAE 模型和ControlNet 模型

2.提示詞編碼部分: 處理正面和負面提示詞

3.圖像處理部分: 包括圖像加載和Canny 邊緣檢測

4.ControlNet 控制部分: 將邊緣信息應用到生成過程

5.採樣和保存部分: 生成最終圖像並保存

關鍵節點說明

1.LoadImage: 用於加載輸入圖片

2.Canny: 進行邊緣檢測,有兩個重要參數:

low_threshold: 低閾值,控制邊緣檢測的敏感度

high_threshold: 高閾值,控制邊緣的連續性

3.ControlNetLoader: 加載ControlNet 模型

4.ControlNetApplyAdvanced: 控制ControlNet 的應用方式,包含以下重要參數:

strength: 控制強度

start_percent: 開始影響的時間點

end_percent: 結束影響的時間點

三、使用步驟

1.導入工作流

下載本篇教程的工作流文件

在ComfyUI 中點擊“Load”，或者直接將下載後的JSON 文件拖入ComfyUI 中

2.準備輸入圖片

準備一張你想要處理的圖片

使用LoadImage 節點加載圖片

3.調整Canny 參數

low_threshold 建議範圍: 0.2-0.5

high_threshold 建議範圍: 0.5-0.8

可以通過PreviewImage 節點實時預覽邊緣檢測效果

4.設置生成參數

在KSampler 節點中:

steps: 建議20-30

cfg: 建議7-8

sampler_name: 推薦使用“dpmpp_2m”

scheduler: 推薦使用“karras”

5.調整ControlNet 強度

strength: 1.0 表示完全跟隨邊緣信息

可以根據需要降低strength 值來減弱控制

四、使用技巧和建議

1.邊緣檢測參數調整

如果邊緣太多: 提高threshold 值

如果邊緣太少: 降低threshold 值

建議先通過PreviewImage 預覽效果

2.提示詞編寫

正面提示詞要詳細描述你想要的風格和細節

負面提示詞要包含你想避免的元素

提示詞要與原始圖片的內容相關

3.常見問題解決

如果生成圖像過於模糊: 增加cfg 值

如果邊緣跟隨不夠: 增加strength 值

如果細節不夠: 增加steps 值

五、實用示例

以下是一些常見的使用場景和對應的參數設置:

1.線稿上色

low_threshold: 0.2

high_threshold: 0.5

strength: 1.0

steps: 25

2.結構重繪

low_threshold: 0.4

high_threshold: 0.7

strength: 0.8

steps: 30