StableDiffusion默认生成的图片分辨率为512*512，“只可远观，不可近赏”来形容怕是再合适不过了。好不容易抽到了一张自己心仪的图，但苦于颜色暗淡，分辨率低下，有什么办法能在原画的基础上，让它的细节更丰富吗？答案是肯定且简单的。

原始图

一、高分辨率修复（Hires.fix）

使用方法：

1、勾选高分辨率修复，输入放大倍数；

2、调整数据（高分迭代步数、重绘幅度）

2.1高分迭代步数：是StableDiffusion等图像生成模型中的一个关键参数，控制生成过程中的迭代次数。更多的迭代步数通常会带来更高的图像质量和细节，但同时也会增加生成时间。一般来说，较少的迭代步数（如50到100）生成速度快但图像细节可能不足；较多的迭代步数（如150到300或更多）生成速度慢但图像细节更丰富。

（上图设置为150，出图生成时间明显变长）

2.2 重绘幅度:用于控制图像重绘的程度。它决定了在从噪声图像生成最终图像时，模型对输入提示词的依赖程度。重绘幅度的值通常在0到1之间：

0：表示没有重绘，即保持原始图像不变。

1：表示完全重绘，即生成的图像完全依赖于提示词，不参考原始图像。

当调整到0.9时，生成了一张跟原图完全不沾边的图，可见该数值对原图的影响非常大。

3、选择放大算法；

有一种说法是无脑选择 R-ESRGAN 4x+ 算法就好，如果是二次元就选择 R-ESRGAN 4x+ Anime6B，但就我个人体会来说似乎影响不大，如果有多余时间可以几种算法都尝试。

画面都显得有些灰暗，颜色并不鲜艳，可以通过勾选模型旁边地外挂VAE模型，效果提升明显。

二、图生图

1、调整重绘尺寸；效果与将图片发送到后期处理效果看不出区别。

2、脚本-SD放大。

使用方法：

1、在脚本下拉菜单中选择SD upscale；

2、在放大倍数中填入合适的数字。

3、在分块重叠像素宽度中保持默认值64即可，或者其他值X。

4、在重绘尺寸栏中，将步骤3中填入的数值加上原有的值，得出一个新值填入其中。例如原始图片尺寸为512*512，扩大成原来的两倍即1024，再加上重叠像素值64，最终填入1088*1088。

5、可以根据需要需要对CFG Scale值和重绘幅度值进行调整。

**这么做的原因在于，该功能实现的原理是放大的原理把原图切成若干份，各自生成后再拼接成一张更大的图，而这多出来的像素就是用来重合时做缓冲使用。
**

可以看出明显的拼接痕迹

三、Tiled Diffusion + Tiled VAE

在StableDiffusionUI上的操作很容易，只需要勾选这两个框、调整放大倍数，其他保持默认也可以实现放大功能。

以下是它们的工作原理：

Tiled Diffusion****通过将图像分割成较小的块，每个块单独进行处理，然后将处理后的块重新拼接成完整的高分辨率图像。这种方法的关键步骤包括：

• 图像分割：将原始图像分割成多个重叠的较小块。重叠部分可以帮助在拼接时避免明显的边缘或接缝。

• 块处理：对每个块单独进行扩散过程，即逐步去噪和细化图像。每个块可以独立处理，这样可以避免处理整个图像时的高内存占用。

• 图像重建：将处理后的块重新拼接成完整的图像。重叠部分的像素可以通过加权平均或无缝拼接算法处理，确保块之间的过渡平滑自然。

Tiled VAE****也采用分块处理的方式，将图像分割成较小的块，每个块单独进行编码和解码。具体步骤包括：

• 图像分割：将原始图像分割成较小的块，块的大小可以根据具体需求进行调整。

• 块编码：使用VAE对每个块进行编码，将高维图像数据压缩成低维潜在向量。

• 块解码：将潜在向量解码回高分辨率图像块。解码后的图像块可能会进行一些细化处理，以提高图像质量。

• 图像重建：将解码后的图像块重新拼接成完整的图像，同样需要处理块之间的过渡部分，以确保拼接效果自然。

以下是使用Tiled Diffusion和Tiled VAE对图像进行放大和修复的具体步骤：

• 准备图像：加载需要放大和修复的原始图像。

• 设置块大小：选择合适的块大小，通常根据图像分辨率和可用的计算资源进行选择。

• 图像分割：将原始图像分割成指定大小的块，确保块之间有一定的重叠区域。

• 处理每个块：

• 对于Tiled Diffusion，逐步去噪和细化每个块。

• 对于Tiled VAE，先对每个块进行编码，再进行解码和细化。

• 图像重建：将处理后的块拼接回原始图像，处理重叠区域以确保图像的平滑过渡。

如有侵权，请联系删除。

这份完整版的AI绘画（SD、comfyui、AI视频）整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

推荐内容