类型：人工智能
简介：基于AI的绘画生成工具，主要用于根据文本描述生成详细图像。
文生图适合从零生成图片，但很多实际场景并不是从零开始，而是想在已有图片基础上调整风格、修改局部、优化细节或补充画面。Stable Diffusion 的图生图功能就是为这类需求准备的。本篇教程重点讲 img2img 和局部重绘的基本用法，帮助你在不完全破坏原图的前提下完成改图。
一、图生图适合哪些场景
图生图不是简单“换滤镜”。它会参考原图结构，再结合提示词重新生成。
常见场景包括：
- 把草图变成完整插画；
- 把产品照片改成更统一的视觉风格；
- 调整人物服装或背景；
- 优化低质量图片；
- 修复局部瑕疵；
- 统一一组图片的风格。
如果你已经有基础图，但希望 AI 帮你改进，而不是完全重新生成，就可以考虑图生图。
二、img2img 的基础流程
在 AUTOMATIC1111 WebUI 中，通常可以进入 img2img 页面。
基本步骤是：
- 上传原图；
- 输入正向提示词；
- 输入负向提示词；
- 设置图片尺寸；
- 调整重绘幅度；
- 点击生成；
- 对比原图和生成图。
1、提示词仍然很重要
图生图虽然有原图参考，但提示词仍然会影响结果。比如你想把照片改成产品海报风格，就要在提示词里写清：
clean product poster, studio lighting, minimal background, commercial photography如果提示词太模糊，生成结果可能偏离预期。
三、Denoising strength 是关键参数
图生图中最重要的参数之一是 Denoising strength。它决定 AI 对原图改动有多大。
可以简单理解为：
- 数值低：更接近原图；
- 数值中等：保留结构，同时有明显变化；
- 数值高：变化很大，可能接近重新生成。
1、轻微优化可以用较低值
如果只是想优化画质、增强细节、稍微调整风格，可以使用较低重绘幅度。这样更容易保留原图结构。
2、想换风格可以提高数值
如果想把草图变成插画，或者把照片改成完全不同风格，可以逐步提高数值。但数值过高时，主体位置、结构和细节可能变化明显。
四、局部重绘适合修复小问题
局部重绘通常用于只修改图片中的一部分，例如：
- 修复手部；
- 去掉瑕疵；
- 改变衣服颜色；
- 替换背景中的小物体；
- 修复产品边缘；
- 调整人物表情。
使用局部重绘时，需要用蒙版标出要修改的区域。AI 会重点重绘蒙版区域，而尽量保留其他区域。
1、蒙版范围不要太小
如果蒙版范围太小，AI 没有足够上下文，修复可能不自然。适当扩大边缘，可以让过渡更柔和。
2、提示词要描述修改后的结果
不要只写“修复这里”。应该写清你希望这块区域变成什么样。例如：
natural hand, five fingers, realistic skin texture或者：
clean white background, no extra objects五、图片尺寸会影响生成效果
图生图时，尺寸设置也很重要。尺寸和原图差异过大，可能导致画面变形。建议尽量保持原图比例。
如果原图太大，可以先缩小测试，确认方向后再提高分辨率。显存有限时，不要一开始就使用过大尺寸。
六、图生图常见问题
1、生成图和原图差别太大
降低 Denoising strength，或减少提示词中与原图冲突的描述。
2、几乎没有变化
提高 Denoising strength，或者让提示词更明确。
3、局部修复边缘不自然
适当扩大蒙版范围，或多尝试几次不同重绘幅度。
4、主体变形
检查尺寸比例是否改变太大，也可以降低重绘幅度。
七、图生图不要用于误导性修改
图生图可以提高图片质量，也可以辅助设计，但不应把产品改成不存在的功能、材质或效果。尤其是电商产品图、企业宣传图、服务案例图，应保持基本真实性。
如果用于网站内容、产品页或广告素材，建议保留原始图片和生成版本，便于后续核对。
FAQ
Q1：img2img 会完全保留原图吗？
A：不会。它会参考原图，但会根据提示词和重绘幅度重新生成。想更接近原图，需要降低 Denoising strength。
Q2：局部重绘适合改大面积背景吗？
A：可以，但大面积重绘更容易出现风格不一致。背景改动较大时，可以多次分区处理。
Q3：为什么修复手部还是不稳定？
A：手部结构复杂，模型本身可能不够稳定。可以尝试局部重绘、降低幅度、使用更合适模型或辅助控制工具。
