ComfyUI如何使用图生图？

我们经常希望能够对生成的图像进行更细致的调控，包括调整分辨率、修改图片的具体内容或者改变图片中的某些细节。为了实现这些高级功能，我们需要深入了解 Stable Diffusion 模型的两种核心工作流：重绘和参考。接下来，我们将详细介绍如何利用这两种方法来实现更精细的图像生成控制。

前期准备

在开始之前，请确保下载并安装以下模型到 ComfyUI 的指定文件夹中：

• Dreamshaper - 放在 models/checkpoints 文件夹。
• stable-diffusion-2-1-unclip - 根据需求下载 h 或 l 版本，放在同样的文件夹。
• coadapter-style-sd15v1 - 放在 models/style_models 文件夹。
• OpenAI CLIP Model - 放在 models/clip_vision 文件夹。

图生图的核心工作流

重绘工作流（Simple img2img）

这种方法通过将输入图片先添加噪声，然后再通过降噪过程生成新的图片，实际上是在原有图像的基础上进行重新创作。

实施步骤

1. 添加 Load Image 节点：从 All node → image 中添加。
2. 连接节点：将 Load Image 节点连接到 VAE Encode，再连接到 KSampler。
3. 设置 KSampler：调整 denoise 参数以控制新生成图像与原始输入图的相似度。

参考工作流（unCLIP model）

通过将图片作为 prompt 的一部分，与文本 prompt 一起输入模型，生成包含原图元素和风格的新图像。

实施步骤

1. 添加 Load Image 和 CLIP Vision Encode 节点：从 All node → image 和 All node → conditioning 分别添加。
2. 添加 unCLIPConditioning 节点：从 All node → conditioning 添加，并连接 Text Encoder 和 CLIP Vision Encode 的输出。
3. 配置 unCLIPCheckpointLoader：替换默认的 Checkpoint 节点，确保模型与所用的 unCLIP 模型一致。

案例分析

简单图像到图像重绘

以下是一个使用 Dreamshaper 模型进行简单图像到图像重绘的示例，其中原始图片通过添加噪声和控制 denoise 设置被重新创作，以符合用户的新指令。

参考模型使用

使用 unCLIP model workflow 时，原始图像被作为参考素材融合到新的生成过程中，同时结合文本描述，产生含有原图元素和风格的新图像。

通过掌握和应用这两种图生图工作流，用户不仅能够提升生成图像的质量，还能在生成过程中实现更高程度的个性化控制。无论是调整图像风格，还是在生成的图像中融合具体的内容元素，这些高级技巧都将为你打开一个全新的视觉创作领域。