黑白照焕新生：专家级老照片修复与上色工作流揭秘
利用 AI 解锁令人惊艳的老照片修复体验！本工作流基于 ComfyUI，融合了 图像上色、高清放大 与 破损修复 等核心功能，集成了诸如 majicMIX 主模型、ControlNet 引导网络 和 GFPGAN 脸部修复器 等前沿技术。
- 使用场景
- Restoration
- 适用场景
- Restoration
- 显存
- 低显存（≤8GB）
- 阅读时间
- 3 分钟
工作流概览
利用 AI 解锁令人惊艳的老照片修复体验！本工作流基于 ComfyUI，融合了 图像上色、高清放大 与 破损修复 等核心功能，集成了诸如 majicMIX 主模型、ControlNet 引导网络 和 GFPGAN 脸部修复器 等前沿技术。
内容类型: Workflow
主要用途: Download
所需模型
- 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
该工作流专为老照片修复设计，实现三大核心功能：
智能上色：将黑白照片转换为自然色彩
高清放大：分辨率提升1.5倍（支持4K输出）
细节修复：自动修复划痕/折痕/面部瑕疵
核心技术：
majicMIX realistic 麦橘写实_v7：专业写实风格模型ioclab_sd15_recolorControlNet：专为上色优化的控制网络BNK_CLIPTextEncodeAdvanced：增强的提示词编码器
2. 核心模型与组件
组件名称 | 功能说明 | 安装方式 |
|---|---|---|
majicMIX realistic | 写实人像模型，擅长皮肤质感和自然色彩 | 需手动下载模型 |
ioclab_sd15_recolor | 基于ControlNet的上色专用模型 | 放置于 |
ImageScaleBy | 采用 | 内置节点无需安装 |
3. 关键参数配置
上色控制：（Python）
"ControlNetApplyAdvanced": [1, 0, 1] # 强度=1.0，全程生效负面提示词：（Python）
"paintings,sketches,(worst quality:2),((monochrome)),((grayscale))..." # 强制去黑白采样器设置：（Python）
"KSampler": ["dpmpp_2m", "karras", 30步, CFG=5] # 平衡质量与速度
4. 工作流结构
graph LR
A[输入黑白照片] --> B[1.5倍放大]
B --> C[ControlNet上色]
C --> D[VAE解码]
D --> E[效果对比输出]预处理阶段：
使用
nearest-exact算法放大原图（保留边缘细节）生成潜变量时保留原始构图（
VAEEncode）
上色阶段：
双提示词控制：
正面："masterpiece, Extremely detailed CG unity 8k wallpaper"
负面："monochrome, grayscale"（强制去黑白）
输出阶段：
通过
Image Comparer展示原图/上色对比
5. 输入输出规范
输入要求：
格式：JPG/PNG（建议600dpi以上扫描件）
分辨率：最低600x800像素
内容：建议正脸人像（侧脸效果下降约30%）
输出结果：
分辨率：原始尺寸1.5倍（如1000x1498→1500x2247）
格式：PNG（无损压缩）
包含元数据（可通过
PNGInfo查看参数）
6. 注意事项
硬件建议：
显存≥8GB（处理1500x2247图像）
启用
--xformers加速
常见问题：
色彩失真：调整ControlNet强度（1.0→0.8）
面部畸变：添加负面词"bad anatomy, deformed face"
伪影修复：在PS中手动修复后重新处理
进阶技巧：（Python）
# 获取更鲜艳的色彩： 修改正面提示词添加 "(vivid colors:1.3)" # 保留部分黑白效果： 调整ControlNet结束步数为0.8（原1.0）