超详细的 Stable Diffusion ComfyUI 基础教程（四）：图生图流程

想一下，在我们使用 web UI 图生图的时候，他比文生图多了什么，是不是多了个加载图像的位置。

我们怎么才能把图片转成可以被识别的信息呢，我们需要把图片解码成可以被识别的信息。

上期回顾：

一、创建流程

1. 同样，我们先打开文生图基础流程，我们这个基础上把图生图流程加进去；

2. 我们“右键——新建节点——图像——加载图像”，然后把图片传上去；

3. 我们在加载图像上鼠标点击住“图像”往外拉，松开然后选择“VAE 解码”；

4. 我们再把“VAE 解码的 Latent”和“采样器的 Latent”链接，“VAE”连接到“VAE 加载器”；

5. 这时候我们会发现两个问题，“加载图像的遮罩”没有连接任何节点，这个没关系，我们在使用局部重绘的时候才使用这个功能，图生图用不到。还有个就是原本的“空 Latent”断开了，是的，我们不能设置尺寸了，这个情况下会按照你上传的图片尺寸为基础。我们先出图看一下吧。

6. 有没有发现，我们出的图只是引用了图片尺寸，出图内容和上传的图片没有任何关系。大家还记得我们之前讲过的采样器里面的降噪吗，我们现在的数值是 1，他会 100%按照我们的文字描述出图。降噪数值越低和原图越接近，越高权重越偏向文字描述（我们一般会使用 0.5-0.8）。

7. 他的原理就是把已有的图像特征放进去再去做去燥迭代，0.8 就是我们跳过 20%的步数，用其余 80%的步数在原有图像噪点上进行文生图。

二、调整尺寸

1. 我们前面说没有连接“空 Latent”，不能设置尺寸了，这个情况下图片特别大或者特别小都会出问题；

2. 我们“右键——新建节点——图像——放大——图像缩放”，并把他连接在“加载图像”和“VAE解码”中间。

3. 我们看到有四个可以设置的参数，除了缩放方法外（三种缩放方法，区别不是太大，我们使用时默认不修改即可），中间两个是宽高。最后一个是裁剪，但是有两种裁剪方式：

a. disabled：直接拉伸（我们以一张 1024*1536 变成 1024*1024 为例）

4. center：根据中心进行裁剪（我们以一张 1024*1536 变成 1024*1024 为例）

5. 这两种裁剪方式都有个问题：

• disabled，我们需要知道原图片的尺寸，并且按照比例计算宽高，不然就会变形；
• center，根据中心进行裁剪，有很大的可能会裁掉我们需要的内容。

derfuu 插件：

①这时候我们可以通过 derfuu 插件去帮我们解决需要计算的问题，他可以根据图片比例自动计算成你想要的尺寸；

② derfuu 插件地址： https://github.com/Derfuu/Derfuu_ComfyUI_ModdedNodes.git （网盘也有我下载好的，不会安装的看我 ComfyUI 系列教程一）；

③我们“新建节点——Derfu节点（Derfu_Nodes）——自设节点——图像——Image scale to side”，这时候我们就可以删掉“图片缩放”换成“Image scale to side”了；

④我们在“Image scale to side”会看到有四个可调节的参数（upscale_method、crop 不用修改，默认的就可以）：

1. side_length（边长）：我们 side 参数选择边的尺寸应该改成多少
2. side（边）：我们按照图像的那条边进行缩放，给了三个选择：Longest（长）/Height（高）：这两个所控制的是一样的，都是以图片的高度为基础进行缩放；Width（宽）：以图片的宽度为基础进行缩放。
3. upscale_method（缩放方法）：三种缩放方法，邻近-精准、双线性插值、区域，区别不是太大，我们使用时默认不用修改即可；
4. crop（裁剪）：和我们上面说“图片缩放”时的裁剪一样，但是这个设置在这不起作用，因为我们是通过比例进行缩放的，不用进行裁剪（可能在其他的节点上起作用吧，我们使用时默认不用修改就可以）；

5. 我们可以跑图了，快去玩耍吧。

三、知识点扩展

还记得我们上节课讲的 refiner 细化流程吗，我们图生图的时候是不是也可以使用 refiner 模型细化呢？

我们先复制一下图生图最主要的几个节点（加载图像、Image scale to side、VAE 编码），然后打开文生图 - refiner 细化流程并粘贴进去。

那我们把“VAE 编码的 Latent”连接到 “base 模型的采样器”上面（空 Latent 就不需要了，可以删掉了）；

这时候还有个问题，我们是通过“降噪”来控制出图相似度的，但是“采样器（高级）”没有“降噪”可以输入。我们可以想一下“降噪”的作用和“采样器（高级）”里面哪个功能相似呢？

当然是“开始降噪步数”了，同样是用来跳过迭代步数的，但是相反的是，“开始降噪步数”数值越高和原图越接近，越低越偏向文字描述；

注意（1）：开始降噪步数的数值不要超过“总步数-结束降噪步数”；

注意（2）：我们所连接和修改的地方仅在 base 模型所连接的采样器。