当前位置: 首页>

有图有话

>正文

深度解析ComfyUI局部重绘三种基础方法

发布时间:2026-10-27

亲爱的读者朋友们,大家好,我是三石

今天,我将与大家分享关于comfyUI局部重绘的工作流程。延续以往的风格,我将结合理论知识,深入剖析comfyUI的工作流程和各个节点,以期让大家不仅了解其然,更能深入理解其所以然。

之所以选择探讨局部重绘,是因为我在市面上发现了众多关于comfyui基础局部重绘的教程,虽然我也研读过不少,但总感觉这些内容只能触及皮毛,让我对局部重绘的理解停留在表面,无法达到深入掌握的程度。

深度解析ComfyUI局部重绘三种基础方法

以“假设-验证-结果-总结”的探索态度,我深入研究了众多相关视频、教程以及官方文件,终于对comfyui局部重绘的基础工作流程有了较为清晰的理解。现在,我将与大家分享我的心得。

章节概览:

在本期内容中,我们将对comfyui的入门级局部重新绘制进行详细讲解。若各位读者感兴趣,我将在后续文章中继续分享关于高级局部重绘的教程。不过,我们首先从基础知识入手,因为只有掌握了简单的原理,复杂的问题才会迎刃而解,其本质并无太大差异。

我归纳出了三种基础的局部重绘方法,它们分别是:VAE内补编码器、Latent噪波遮罩的设置以及ControlNet(重点介绍)。

深度解析ComfyUI局部重绘三种基础方法

在开始探讨之前,有必要明确一点,这三种局部重绘的技巧并无高下之别,选择哪一种取决于实际的应用需求。接下来,我将简要概述这三种方法各自适用的场景,并随后通过具体案例进行详细阐释。

深度解析ComfyUI局部重绘三种基础方法

文章标题:深入剖析|comfyUI局部刷新的三大核心技术构建与解读

(文章第四部分,正文内容,以下为改写)

1. 掌握局部刷新的基本原理

步入正题,为了深刻领悟局部刷新的精髓,我们首先得明确“局部是如何实现刷新的”?对于那些曾经接触过Photoshop的朋友来说,这个概念将会显得格外亲切,它实则类似于“蒙版”的运用。

深度解析ComfyUI局部重绘三种基础方法

文章标题:深入剖析|comfyUI实现局部重绘的三大基本技巧详解

原文片段:

如今,我们将这一原本需手动操作的过程,巧妙地迁移至comfyUI,将其转变为自动化流程。我仅需用笔刷勾勒出需修改图片的具体区域,而周边如背景及地面等部分则保持原样不变。接下来,在蒙版区域内描绘一只猫咪,如图所示:

深度解析ComfyUI局部重绘三种基础方法

2. 精妙绝伦的局部重绘蒙版技巧

在深入掌握局部重绘的基本原理之后,我们还需深入探讨蒙版的处理技巧。简言之,蒙版内图像的生成机制,官方术语称作“对蒙版区域进行采样重绘”。

那么,AI绘画中的采样过程又是如何进行的呢?对此感兴趣的读者可以参考我之前发布的一期内容:

回到当前话题,蒙版采样不仅受到蒙版区域内原图的制约(即遮罩处理方式),同时还受到蒙版区域外原图的影响(即重绘区域)。结合webui的功能,让我们来直观地观察以下图像:

深度解析ComfyUI局部重绘三种基础方法

在观察上述图示的基础上,我整理出了两种常见的搭配模式,它们分别是:

这两种搭配策略分别映射出了实现局部重绘的最基础两种方法:

对于这两种调整策略,我将其简称为“大补”与“小补”。

深度解析ComfyUI局部重绘三种基础方法

标题:全面剖析|comfyUI局部重绘的三大核心技术框架解析

(内容第8/34节,正文部分,如下改写)

另辟蹊径的局部绘制手法之一,便是ControlNet。与先前的两种技术不同,ControlNet对蒙版内容的控制更为严苛,形成了一种独特的“框架”结构,进而在这个框架内生成相仿的画面。以下是三张对比图的展示,以供参考:

深度解析ComfyUI局部重绘三种基础方法

3. 三种局部重绘的流程与实例

掌握了前述的知识点后,我们便可以着手构建自己的工作流程。为了更清晰地让大家分辨不同方法,我将继续以几个实例进行阐述和对比。

3.1 掌握降噪与重绘范围

在此,我将首先向大家介绍图生图在comfyui中的运作机制,您也可以参考我之前撰写的文章:

图生图的流程如下:

深度解析ComfyUI局部重绘三种基础方法

标题:深入剖析 | comfyUI局部重绘技术:三大核心方法构建与详解

(本文第10/34部分,正文核心段落,以下为改写内容)

该技术的核心在于,首先将用户本地上传的图像文件进行解码,使其转换为计算机能够解析的语言,并在这一过程中有意添加一定的噪点。随后,通过Prompt技术,将解码后的图像与文字信息进行融合,最终生成一张全新的图像。这张新生成的图像可以看作是“图像+文字”的完美结合。其中,“降噪”这一环节至关重要,它实际上指的是“重绘程度”。具体来说,这个数值范围在0到1之间。数值越高,重绘程度越强,甚至可能完全脱离原图;反之,数值越低,生成的图像则越接近原始图像。为了帮助大家更好地理解这一原理,我特别绘制了一张示意图,如下所示:

深度解析ComfyUI局部重绘三种基础方法

在深入掌握了相关概念之后,我们便可以着手构建起自己的重绘工作流程。

3.2 VAE内部补编码器的局部重绘技术

在本项实验中,我们选取了以下底模以及clip文本编码器作为基础:

深度解析ComfyUI局部重绘三种基础方法

在着手深入探讨comfyUI局部重绘的奥秘之前,我们首先需要执行一个简单的前置步骤。这一步包括将一张待重绘的图像上传至平台,接着在图像上绘制一个蒙版,完成这一操作后,点击界面上的“保存到节点”按钮,具体操作过程如图所示:

深度解析ComfyUI局部重绘三种基础方法
深度解析ComfyUI局部重绘三种基础方法

接下来,我们得对蒙版实施编码处理,并将蒙版与图像一同传递至“VAE内补编码器”中。此种重绘技术的核心在于,蒙版区域被视为一个空白潜空间,由此生成的图像与先前蒙版中的内容并无直接关联,它仅仅借鉴了原图的样式与情感氛围。因此,这种方法特别适用于重绘与原图内容完全不相关的图像。其工作流程如下:

深度解析ComfyUI局部重绘三种基础方法

在“VAE内补编码器”这一环节中,我们所说的遮罩延展,其实可以类比为Photoshop中的“羽化”效果。通常情况下,这一参数的设置以6为佳,因为过小或过大都不太理想。以下是我进行的一次实验,通过实验结果可以清晰看到,当羽化值为0时,猫咪的边缘显得非常生硬,与整体画面无法融合,仿佛是“重新粘贴”上去的。

深度解析ComfyUI局部重绘三种基础方法

标题:详尽剖析 | comfyUI局部重绘三大核心技巧的构建与阐释

(文章第16/34节,内容核心区,以下为改写内容)

原文片段:

经过观察,我们得知VAE内嵌的补编码器在执行较大幅度的重绘操作时,表现尤为出色。不妨让我们来尝试进行一次人物图像的绘制:

深度解析ComfyUI局部重绘三种基础方法
深度解析ComfyUI局部重绘三种基础方法

嘿,各位看官,得承认,蒙版区域里的内容与原画可谓是风马牛不相及,这很可能涉及到了某种随机抽选的机制。因此在运用这种局部重绘技巧时,我们更倾向于将其应用于那些不需要精细调整的场景,这样效果往往相当出色。

值得一提的是,在此过程中,我们并不建议随意降低降噪参数。否则,结果可能如图所示,原因在于数值越低,画面就越接近原始图像。而此时蒙版区域却是一片空白,缺乏参照,因此效果大打折扣,只好如此了。

深度解析ComfyUI局部重绘三种基础方法

小结:

深度解析ComfyUI局部重绘三种基础方法

3.3 采用Latent噪波遮罩实现局部精细调整

在诸多设计需求中,有时我们并不需要进行全面的大幅度调整,而仅仅希望对局部细节进行微调。在这种场景下,Latent噪波遮罩技术便派上了用场。这种方法的核心在于,蒙版区域的绘制借鉴了原始蒙版的内容,而在进行局部重绘时,则会参考原图的相应部分。这种机制使得它特别适合于细节的微调,有助于更准确地把握需要重新生成的内容。具体的工作流程如下:

深度解析ComfyUI局部重绘三种基础方法

在这部分内容中,我们可以观察到,由于遮罩部分借鉴了原始图像,因此调整降噪程度显得尤为重要。当降噪值设为0.69时,虽然与原图相比存在一定差距,但总体上依旧保留了原图的相似特征,效果并未显得过于失真。

深度解析ComfyUI局部重绘三种基础方法

换成降噪=0.55

深度解析ComfyUI局部重绘三种基础方法

再换成降噪=0.4

深度解析ComfyUI局部重绘三种基础方法

显而易见,当降低降噪数值时,处理后的图像与原始图像的相似度会更高,然而,提示词“1 smiling girl”的特征依然得以保留。不过,对于“VAE内补编码器”的处理效果似乎并不理想,它给人的感觉就像是随意贴上了一张“膏药”,颇具趣味。

因此,我们可以尝试对这位微笑的女孩进行局部调整,让她戴上眼镜,其余部分保持原样。这正是一种典型的局部微调操作。接下来,让我们来看看调整后的效果吧。

深度解析ComfyUI局部重绘三种基础方法

再来一个,给鸟换个金色羽毛,是不是还不错。

深度解析ComfyUI局部重绘三种基础方法

小结:

深度解析ComfyUI局部重绘三种基础方法

3.4 掌控局部重绘的艺术

经过前文的学习,大家对于前两种重绘技巧已经有了深入的认识。然而,当我们面临一个场景,需要进行大幅度的画面调整,同时又要保持角色形象的整体不变,比如人物的外形轮廓保持原样,在此基础上进行新的绘制,这时我们又该如何操作呢?这时候,我们就需要借助ControlNet的力量,来保留原始图像的整体姿态。

假设我们想要将之前的少女形象转变为一位慈祥的老奶奶,这无疑是一次重大的修改,但我们必须确保画面形象和姿态的稳定性。在这种情况下,ControlNet的表现无疑是最为出色的,它不仅完美地还原了手部动作,还保证了整体姿势的准确性。以下是三种不同处理方法所呈现的结果对比:

深度解析ComfyUI局部重绘三种基础方法

再比如换上另一个女孩,控制效果依然不错。

深度解析ComfyUI局部重绘三种基础方法

工作流如下:

深度解析ComfyUI局部重绘三种基础方法

在个人理解中,ControlNet的重绘功能特别适用于对整体进行较大幅度的修改,同时还能保留原始图像的基本特性。我们可以通过官方文档中的示例来获得更为直观的认识:

对于那些无法下载模型的朋友们,欢迎私信我,我已经提前为大家准备好了所需模型。

深度解析ComfyUI局部重绘三种基础方法

标题:详尽剖析 | comfyUI局部重绘的三大核心策略构建与阐述

段落一:

如今,我将我所领悟的精髓与大家分享。简而言之,这三种策略在实现重绘功能时,对画面操控的精细度是层层递进的。若您只是想要进行简单的替换,那么第一种方法便能轻松应对。然而,若您希望保持原有的造型,却要更换人物,那么ControlNet便能提供精确的控制手段。

段落二:

在这三种策略中,第一种适用于基础替换操作,操作简便,易于上手。而第二种策略,ControlNet的应用,则能够在保持原有造型的基础上,实现人物替换的精准控制。这种方法的运用,无疑提升了重绘操作的复杂度和精细化程度。

段落三:

总的来说,这三种方法各有特点,适用的场景也各不相同。在重绘过程中,根据实际需求选择合适的方法,能够有效提升工作效率和画面质量。无论是简单的替换,还是对画面细节的精准操控,这些方法都能为您提供有力的支持。

深度解析ComfyUI局部重绘三种基础方法

4. 探究ControlNet的核心原理

在上文中提及的第三种局部重绘策略,我们引入了ControlNet这一技术。那么,ControlNet究竟包含了哪些基本内容与运作原理呢?接下来,我将为大家提供一份简要的概述。稍后,我计划单独撰写一篇深入解析ControlNet的文章,届时将为大家全面阐述(目前,本人对ControlNet的理解尚显肤浅)。感兴趣的朋友们不妨先关注起来。

简单来说,ControlNet的功能是在原始图像的基础上生成与之相似的图像。根据官方网站的介绍,ControlNet主要包含以下几种模型:深度、曲线、直线、姿势等。如果这些概念仍然难以理解,我将尝试用另一种方式来解释,那就是进行一次“映射”。想必大家对素描和水粉绘画都有所了解,无论是大学生还是高中生,在绘画素描或水粉时,每个人的起稿方式都有所不同,有的喜欢先勾勒线稿,有的则直接进行平涂。而ControlNet所做的事情,本质上就是如此。

深度解析ComfyUI局部重绘三种基础方法

标题:详尽剖析|comfyUI局部重绘三大核心策略的构建与解读

(正文第33/34段落,中间段落,直接输出改写内容)

以下是对COntrolNet绘图原理的简要概述,具体应用方法和选型将在后续文章中进行深入探讨。关于COntrolNet的绘图机制,我进行了如下总结:

深度解析ComfyUI局部重绘三种基础方法

5. 梳理总结

至此,我们的分享告一段落。本章的核心内容是深入剖析了ComfyUI框架下局部重绘的三大基本方法,并对每一种方法的利弊进行了详尽的阐述。实际上,这一部分最为关键的是掌握每种局部重绘的内在机制。一旦理解了这些原理,我们便能够自由地展开创作,尽情发挥。值得一提的是,这三种方法并无绝对的优劣之分,关键在于根据实际需求,将它们置于恰当的位置,并应用于合适的场景。因此,我建议各位读者不妨亲自实践,多加尝试。

愿这份分享能为各位带来启发,祝愿大家在创作过程中收获满满,出图愉快!

感谢

深度解析ComfyUI局部重绘三种基础方法
关注
客服 工单