Stable Diffusion系列（二）：ControlNet基础控件介绍

### 使用Stable Diffusion WebUI中的img2img功能 #### 启动WebUI并加载img2img模式 为了使用img2img功能，首先需要启动Stable Diffusion WebUI。确保在命令行中加入`--api`参数以便API接口可用[^4]。一旦WebUI成功启动，在界面上可以选择切换至img2img模式。 #### 准备初始图像 img2img允许基于现有图片创建新的变体。上传想要修改的基础图片到指定区域。这一步骤至关重要，因为后续所有的变化都将围绕这张原始图片展开[^5]。 #### 设置主要参数 - **采样器选择**：不同的采样算法会影响最终效果的选择合适的采样器。 - **步数（Steps）**：定义了迭代次数，默认值通常适用大多数情况；增加此数值可能会提高质量但也延长处理时间。 - **CFG Scale (Classifier-Free Guidance)**：控制生成过程遵循提示的程度，较高的值会使结果更加贴近给定的文字描述。 - **Denoising Strength**：决定去噪强度的比例，该比例决定了多少原有的特征会被保留下来以及新增加的变化量。对于轻微调整而言，较低的denoising strength较为合适；而当希望获得完全不同风格的作品时，则应适当增大这个参数[^1]。 #### 应用额外控件 除了上述基本设定之外，还可以利用诸如ControlNet这样的插件来增强对输出的具体方向性的掌控力。例如，通过提供边缘检测或其他形式的引导图层，可以让AI更好地理解哪些部分应该保持不变或是重点改变之处[^3]。 #### 执行转换与查看成果 完成以上配置之后点击“Generate”按钮开始执行转换程序。等待片刻后就能看到由原图演变而来的新作品展示于屏幕上。此时可以根据实际情况进一步微调各项参数直至满意为止。 ```python # 示例Python脚本片段用于自动化测试不同参数组合下的Img2Img性能表现 for denoise_strength in [0.2, 0.5, 0.8]: result = generate_img2img(image_path="input.jpg", denoising_strength=denoise_strength) save_image(result, f"output_{denoise_strength}.png") ```