从基础到专业：人工智能驱动的图像编辑和增强工作流程
使用此本地工作流程，解锁 AI 驱动的图像编辑！使用稳定扩散、ControlNet、CodeFormer 等技术，通过对象移除、图像修复、人脸修复和超分辨率等功能增强照片效果。立即开始！
- 使用场景
- Restoration
- 适用场景
- Restoration
- 显存
- 中等显存（12–16GB）
- 阅读时间
- 3 分钟
工作流概览
使用此本地工作流程，解锁 AI 驱动的图像编辑！使用稳定扩散、ControlNet、CodeFormer 等技术，通过对象移除、图像修复、人脸修复和超分辨率等功能增强照片效果。立即开始！
内容类型: Workflow
主要用途: Download
所需模型
- Flux
- Controlnet
- Sd
所需节点
- Reactor
- Controlnet
- Upscaler
- Inpaint
配置说明
- 打开工作流模板前，请先安装所需模型。
- 推荐硬件：中等显存（12–16GB）。
1. 工作流概述
该工作流主要用于图像局部修复与增强，包含以下核心功能：
局部移除：通过遮罩（Mask）标记需要移除的区域，使用AI模型自动填充合理内容。
局部修复：针对遮罩区域进行精细化重绘，确保与周围画面自然融合。
面部细化：使用CodeFormer等模型优化人脸细节。
高清放大：通过超分辨率模型提升图像分辨率（如4x放大）。
核心模型：
Stable Diffusion (Flux模型)：基础图像生成与修复。
ControlNet (Canny边缘控制)：保持图像结构一致性。
CodeFormer：面部修复与增强。
4xNomos8kSCHAT-L：超分辨率放大模型。
2. 关键组件与安装
组件名称 (Node) | 功能说明 | 安装方式 | 依赖模型/插件 |
|---|---|---|---|
| 加载Flux模型的UNet部分 | 需安装 |
|
| 裁剪遮罩区域并准备重绘 | 安装 | 无 |
| 面部修复（CodeFormer） | 安装 |
|
| 使用超分模型放大图像 | 内置 |
|
| 加载ControlNet模型 | 内置 |
|
特殊依赖：
Flux模型：需手动下载GGUF格式模型并放置到
models/unet文件夹。CodeFormer：模型需下载至
models/codeformer。
3. 工作流分组与逻辑
输入与遮罩处理 (
上传图片分组)输入：带遮罩的原始图像（PNG格式）。
关键节点：
LoadImage加载图像，GrowMask扩展遮罩边缘。
局部修复 (
flux重绘分组)使用
InpaintModelConditioning结合提示词生成修复内容。输出：修复后的潜在空间表示（Latent）。
面部细化与放大 (
修复面部放大分组)ReActorRestoreFace优化面部细节 →ImageUpscaleWithModel提升分辨率。
结果对比 (
Image Comparer)对比修复前后/放大前后的图像差异。
4. 输入与输出
输入参数：
图像分辨率：默认1024x1024（可调整
ConstrainImage节点）。提示词：负面提示词已预设（如“低质量、水印”）。
遮罩：需完整覆盖需修复区域。
输出结果：
最终图像（PNG格式），包含修复、面部增强和放大效果。
5. 注意事项
显存要求：建议12GB以上显存（超分和Flux模型较耗资源）。
常见错误：
遮罩未闭合：导致修复区域异常。
模型缺失：检查GGUF和CodeFormer模型路径。
优化建议：
降低
KSampler的步数（Steps）以减少计算时间。若显存不足，可分步运行工作流（先修复后放大）。