用 AI 提升图像质量：全面细节修复工作流程指南
使用 AI 放大图像：结合分块处理、智能重绘与多模型管线的高分辨率图像放大与细节修复工作流程。轻松实现清晰锐利的高清图像输出！
- 显存
- 低显存（≤8GB）
- 阅读时间
- 3 分钟
工作流概览
使用 AI 放大图像：结合分块处理、智能重绘与多模型管线的高分辨率图像放大与细节修复工作流程。轻松实现清晰锐利的高清图像输出！
内容类型: Workflow
主要用途: Download
所需模型
- Flux
- Controlnet
所需节点
- Controlnet
- Upscaler
配置说明
- 打开工作流模板前，请先安装所需模型。
- 推荐硬件：低显存（≤8GB）。
1. 工作流概述
这是一个专为超高分辨率图像放大和细节修复设计的ComfyUI工作流，核心功能包括：
分块处理（Tiled Diffusion）：通过
TTP_Image_Tile_Batch节点分割图像，避免显存溢出。智能重绘：结合ControlNet和文本提示，在放大过程中修复细节。
多模型协作：使用
FLUX.1-dev主模型和4x_NMKD-Siax超分模型。对比预览：支持生成前后图像对比（
Image Comparer节点）。
2. 核心模型
模型名称 | 功能 |
|---|---|
| 主模型，基于Stable Diffusion架构优化细节生成。 |
| 超分辨率模型，用于4倍图像放大。 |
| 双CLIP编码器，增强文本理解能力。 |
3. 关键组件
组件名称 | 功能 | 安装方式 |
|---|---|---|
| 分块处理图像 | 需安装 |
| 分块高清修复 | 需安装 |
| 图像描述生成（可选） | 需安装 |
4. 工作流结构
Group 1: 输入与预处理
输入：原始图像（如
ComfyUI_00043_.png）。输出：分块后的图像和元数据。
关键节点：
LoadImage：加载原始图像。ImageUpscaleWithModel：初步放大图像。TTP_Tile_image_size：自动计算分块大小。
Group 2: 分块重绘
输入：分块图像、文本提示（可选）。
输出：重绘后的分块图像。
关键节点：
SamplerCustomAdvanced：基于FLUX模型重绘分块。BasicGuider+FluxGuidance：控制生成细节。
Group 3: 图像重组与输出
输入：重绘后的分块图像。
输出：最终高清图像（4K+）。
关键节点：
TTP_Image_Assy：重组分块为完整图像。VAEDecodeTiled：分块解码避免显存溢出。
5. 输入与输出
输入参数：
原始图像（支持拖拽上传）。
可选文本提示（如不提供，使用
Joy_caption_two自动生成）。分块大小（默认1024x1024）。
输出结果：
高清修复图像（保存至
ComfyUI/output）。对比预览图（
Image Comparer节点）。
6. 注意事项
显存需求：
建议16GB+显存，分块大小可调整（默认1024x1024）。
模型依赖：
需手动下载
flux1-dev-fp8和4x_NMKD-Siax模型。
插件安装：
cd ComfyUI/custom_nodes git clone https://github.com/ssitu/ComfyUI-TTP-Toolset.git # 分块处理 git clone https://github.com/Extraltodeus/ComfyUI-JoyCaption.git # 图像描述性能优化：
降低
TTP_Image_Tile_Batch的分块大小（如768x768）可减少显存占用。