摘要 :
在 ComfyUI 中实现图片转素描的工作流，主要是借助相关模型和节点配置，将输入的图片转化为素描风格的图像。以下是详细的工作流程介绍：
准备工作
模型加载：
运用 “C……
在 ComfyUI 中实现图片转素描的工作流，主要是借助相关模型和节点配置，将输入的图片转化为素描风格的图像。以下是详细的工作流程介绍：
- 模型加载：
- 运用 “Checkpoint Loader” 节点加载基础的 Stable Diffusion 模型，不同模型对素描风格的呈现效果会有所差异，可依据个人喜好进行选择。
- 利用 “ControlNet Loader” 节点加载专门用于边缘检测的 ControlNet 模型，例如 “control_v11p_sd15_canny”，它能检测图像边缘，为生成素描效果提供关键信息。
- 图片导入：通过 “Load Image” 节点上传要转换为素描风格的原始图片。
将加载的原始图片连接到 Canny 边缘检测预处理器节点，该节点会对图片进行处理，检测出图像中的边缘信息，生成边缘图。边缘图以线条的形式呈现图片的轮廓和主要结构，这是生成素描效果的重要依据。
- 正向提示词：在 “CLIP Text Encode” 节点输入正向提示词，描述期望的素描风格和效果。例如：“精细的铅笔素描风格，线条清晰，有明暗对比”。
- 反向提示词：同样在该节点输入反向提示词，排除不想要的元素，如 “模糊的线条”“杂乱的笔触” 等，以提高生成素描图像的质量。
- 将生成的边缘图连接到 “ControlNet” 节点，再把 “ControlNet” 节点连接到 “K Sampler” 节点。这样，边缘图的信息就会在图像生成过程中起到控制作用。
- 在 “ControlNet” 节点中设置相关参数：
- Control Weight：控制边缘信息对生成图像的影响程度。值越大，生成的图像越贴合边缘图的结构；值越小，提示词的影响相对更大。一般可先设置为 0.8 – 1.2，再根据实际效果进行调整。
- Start Step 和 End Step：控制在采样过程中从哪一步开始和结束应用边缘信息。通常可以从起始步骤就开始应用，结束步骤设置为整个采样过程结束，以确保边缘信息始终对生成过程产生影响。
在 “K Sampler” 节点设置采样参数：
- 采样器类型：选择适合素描风格生成的采样器，如 DPM++ 2M Karras，它能在保证生成速度的同时，生成较为精细的图像。
- 采样步数：设置采样步数，一般在 20 – 50 步之间。步数越多，生成的图像可能越精细，但也会增加生成时间。
- CFG Scale：控制提示词对生成图像的影响程度。对于素描风格，通常设置在 7 – 12 之间，值越高，生成的图像越接近提示词的描述。
将编码后的图像、处理好的提示词以及设置好的 ControlNet 和采样参数连接好后，点击 “Queue Prompt” 按钮开始生成图像。模型会根据边缘图、提示词和采样参数进行图像生成，最后通过 “VAE Decode” 节点得到转换后的素描风格图像。
如果生成的素描图像不符合预期，可以对提示词、ControlNet 参数或采样参数进行调整，再次生成图像，直到达到满意的效果。还可以使用 ComfyUI 中的其他节点对生成的素描图像进行后期处理，如调整对比度、亮度等，以增强素描效果。
还没有评论呢，快来抢沙发~