Stable Diffusion入门第16-18天：从文生图到图生图——用一张图“导演”你的AI创作
如果文生图是“无中生有”，那图生图就是“借力打力”。
前两周我们已经跑通了文生图工作流，也搞懂了节点、连线和数据类型。今天我们要进入一个更有趣的领域——图生图（Image to Image，简称img2img）。
简单来说，图生图就是把一张已有的图片作为起点，让AI基于它生成一张新图片。你可以用它做风格迁移、线稿上色、老照片修复、图像增强……应用场景非常广泛。
而这一切的核心，只有一个参数——denoise（降噪强度）。它决定了一张图在“忠于原图”和“自由创造”之间，到底站在哪个位置。
一、图生图 vs 文生图：差的不只是一张图
在深入搭建工作流之前，先搞清楚一个根本问题：图生图和文生图在原理上到底有什么不同？
文生图的起点是一张纯粹的随机噪声——KSampler从Empty Latent Image拿到一张空白画布（全是噪声），然后根据你的提示词，一步步去噪，最终变成一张有内容的图片。
图生图的起点则是一张已有的图片。流程是这样的：
- VAE Encoder把你上传的图片编码成潜空间表示（LATENT）
- 根据
denoise参数的设定，往这个潜空间表示里加入一定量的噪声 - KSampler从这个“加了一半噪声”的状态开始，结合你的提示词进行去噪
- VAE Decoder把去噪后的潜空间数据解码回像素图像
关键区别：文生图从100%噪声开始，图生图从“部分噪声”开始。
denoise决定了这个“部分”到底是多少——denoise=1.0相当于100%噪声（=文生图），denoise=0.0相当于0%噪声（=原图不变）。
二、图生图核心工作流：五个节点，一条线
图生图工作流比文生图只多了一个节点，少了一个节点——把Empty Latent Image换成Load Image+VAE Encode。
完整的工作流是这样的：
Load Checkpoint → Load Image → VAE Encode → CLIP Text Encode（正/负）→ KSampler → VAE Decode → Save Image
节点逐个拆解
1. Load Checkpoint（紫色输出）
和文生图一样，加载你的基础模型。输出MODEL、CLIP、VAE三个端口。
2. Load Image（蓝色输出）
这是图生图新增的节点。点击节点上的“upload”按钮，上传你要作为起点的图片。这个节点输出的是IMAGE类型（蓝色）——也就是像素空间的图像数据。
注意：
Load Image输出的是像素图像（IMAGE），而KSampler需要的是潜空间图像（LATENT）。所以中间必须加一个转换节点。
3. VAE Encode（粉色输出）
这个节点把Load Image传来的像素图像（IMAGE，蓝色）编码成潜空间表示（LATENT，粉色）。它需要两个输入：
- pixels：从
Load Image的IMAGE输出接入 - vae：从
Load Checkpoint的VAE输出接入（玫瑰色）
4. CLIP Text Encode（正/负）（橙色输出）
和文生图完全一样。正向提示词描述你想要什么，负向提示词描述你不想要什么。两个节点都需要从Load Checkpoint的CLIP端口（黄色）接入。
5. KSampler（粉色输出）
这是整个工作流的心脏。图生图和文生图在KSampler上的唯一区别是——denoise参数必须小于1。
KSampler需要的输入：
- model：从
Load Checkpoint的MODEL接入（紫色） - positive：从正向CLIP编码节点接入（橙色）
- negative：从负向CLIP编码节点接入（橙色）
- latent_image：从
VAE Encode的输出接入（粉色）——这是图生图和文生图最关键的区别
6. VAE Decode（蓝色输出）
把KSampler输出的潜空间图像（LATENT，粉色）解码成可视的像素图像（IMAGE，蓝色）。需要：
- samples：从KSampler的LATENT输出接入
- vae：从
Load Checkpoint的VAE输出接入（玫瑰色）
7. Save Image
保存最终结果，和文生图一样。
连线速查表（按颜色）
| 从 | 到 | 颜色 |
|---|---|---|
| Load Checkpoint (MODEL) | KSampler (model) | 紫色 → 紫色 |
| Load Checkpoint (CLIP) | CLIP Text Encode ×2 (clip) | 黄色 → 黄色 |
| Load Checkpoint (VAE) | VAE Encode (vae) | 玫瑰色 → 玫瑰色 |
| Load Checkpoint (VAE) | VAE Decode (vae) | 玫瑰色 → 玫瑰色 |
| Load Image (IMAGE) | VAE Encode (pixels) | 蓝色 → 蓝色 |
| VAE Encode (LATENT) | KSampler (latent_image) | 粉色 → 粉色 |
| CLIP Text Encode (CONDITIONING) | KSampler (positive/negative) | 橙色 → 橙色 |
| KSampler (LATENT) | VAE Decode (samples) | 粉色 → 粉色 |
| VAE Decode (IMAGE) | Save Image (images) | 蓝色 → 蓝色 |
注意：整个工作流中，数据类型的流转是IMAGE(蓝) → LATENT(粉) → CONDITIONING(橙)参与去噪 → LATENT(粉) → IMAGE(蓝)。颜色不匹配的地方，就是你需要加转换节点的地方。
三、Denoise：图生图的“灵魂参数”
如果说图生图有一把钥匙，那这把钥匙的名字就叫denoise。
Denoise到底是什么？
denoise的取值范围是0.0到1.0。它的含义是：在潜空间中，往原始图片里加入多少噪声。
- denoise = 1.0：加入100%噪声，原始图片完全被覆盖，相当于文生图
- denoise = 0.0：加入0%噪声，原始图片完整保留，相当于什么都没做
- denoise = 0.5：加入50%噪声，从“一半原图、一半噪声”的状态开始去噪
Denoise不同取值的效果
| denoise值 | 效果 | 适用场景 |
|---|---|---|
| 0.0 - 0.3 | 几乎不变，仅做微小调整 | 图像修复、细节增强、降噪 |
| 0.3 - 0.5 | 细微变化，保留构图和主体 | 风格微调、色彩调整、高清放大 |
| 0.5 - 0.7 | 明显变化，保留大致结构 | 风格迁移、换装、背景替换 |
| 0.7 - 0.9 | 较大变化，仅保留粗略轮廓 | 草图转写实、大幅度风格转换 |
| 0.9 - 1.0 | 几乎完全重绘 | 接近文生图，仅保留极少量原图信息 |
一个直观的理解方式
想象你有一幅铅笔素描（原图），现在想把它变成水彩画：
- denoise = 0.2：AI基本照着素描描一遍，稍微润色一下线条——你几乎看不出变化
- denoise = 0.5：AI保留了素描的构图和轮廓，但把线条渲染成了水彩的笔触——看得出是同一幅画，但风格变了
- denoise = 0.8：AI只保留了素描的大致构图（比如人物位置、物体分布），但细节全部重新生成——看起来像“根据素描重新画了一幅水彩”
- denoise = 1.0：AI完全无视素描，只根据你的提示词“水彩画”重新生成——素描相当于没起任何作用
Denoise和其他参数的关系
Denoise和Steps的关系：denoise控制的是“从哪个步数开始去噪”。如果总步数是20步，denoise=0.5意味着从第10步开始——前10步的噪声去除过程被跳过了。所以denoise越低，实际生效的步数越少，这也是为什么低denoise时细节会少一些。
Denoise和CFG的关系：denoise控制“原图的影响力”，CFG控制“提示词的影响力”。两者是独立的——高denoise + 高CFG = 完全按照提示词重画；低denoise + 高CFG = 在原图基础上用力按照提示词调整（可能导致画面撕裂）。一般建议图生图时CFG设置在7-9之间。
四、实战：从搭建到调试，一步步来
第一步：搭建工作流
从空白画布开始，依次添加7个节点（上文列出的全部），按照颜色匹配表完成连线。
第二步：上传图片
在Load Image节点点击“upload”按钮，选择一张你准备好的图片。建议先从简单图片开始——比如一张清晰的照片或插画，分辨率不要太大（512×512左右最佳）。
第三步：填写提示词
在正向CLIP节点中输入你想要的效果。比如原图是一只猫的照片，你想把它变成水彩风格：
watercolor painting, a cute cat, soft colors, artistic, gentle brush strokes负向提示词输入通用内容：
blurry, low quality, distorted, ugly, bad anatomy第四步：设置KSampler参数
- Seed：随机或固定（固定可以复现结果）
- Steps：20-30步
- CFG：7-8
- Sampler：DPM++ 2M Karras 或 Euler a
- Scheduler：Karras 或 Normal
- denoise：先从0.5开始
第五步：生成并观察
点击Queue Prompt（或Ctrl+Enter），等待生成完成。
第六步：反复调整denoise
这是最关键的一步。从0.1到0.9，每个值生成一张图，观察变化。
你会发现一个连续的渐变光谱：
denoise=0.1：几乎看不出变化，只是稍微锐化或柔化了一下
denoise=0.3：颜色和纹理有了细微调整，但构图完全没变
denoise=0.5：风格开始转变，但主体轮廓、物体位置依然清晰可辨
denoise=0.7：风格大变，细节被重新生成，但还能看出“原图的影子”
denoise=0.9：几乎是一张全新的图，只有构图层面还隐约有原图的痕迹
这就是图生图最迷人的地方——你可以在“忠实原图”和“自由创造”之间找到一个完美的平衡点。
五、进阶玩法：图生图的三种典型场景
掌握了基础工作流之后，来看看图生图最常见的三种应用场景。
场景一：风格迁移
把一张写实照片变成动漫风格、水彩风格、油画风格……
配置建议：
- denoise：0.5-0.7
- 提示词：详细描述目标风格，如“anime style, cel shaded, vibrant colors, studio ghibli”
- 负向提示词：排除原风格，如“realistic, photographic, 3d render”
- CFG：8-10（较强风格引导）
场景二：高清放大
把一张低分辨率图片放大并增加细节。
配置建议：
- 在
VAE Encode之前加一个Image Scale节点，把图片放大到目标尺寸（如2倍） - denoise：0.3-0.5（低denoise保留原图结构，同时增加细节）
- 提示词：“high resolution, sharp focus, detailed, 8k, masterpiece”
场景三：草图→写实
把一张线稿或粗糙草图变成细节丰富的写实图像。
配置建议：
- denoise：0.7-0.9（高denoise，因为草图本身信息量少，需要AI大量“脑补”）
- 提示词：详细描述你想要的最终效果——材质、光影、色彩、氛围
- 这可能是最能体现图生图“创造力”的场景——AI从一条线稿中“读懂”了你想要的画面
六、常见问题与排障
Q1：生成结果和原图几乎一样，完全没有变化
原因：denoise设置得太低（接近0）。
解决：逐步提高denoise，从0.3开始试，每次增加0.1，直到看到明显变化。
Q2：生成结果完全不像原图，等于重新画了一张
原因：denoise设置得太高（接近1.0）。
解决：降低denoise到0.5-0.7区间。记住：denoise=1.0 = 文生图，原图不起任何作用。
Q3：生成的图片模糊或细节丢失
可能原因：
- 原图分辨率太低——先用图像处理软件把原图放大到512×512以上
- Steps太少——增加到25-30步
- denoise太低导致实际生效步数太少——适当提高denoise
Q4：颜色变得很奇怪或画面撕裂
可能原因：
- CFG太高——图生图中CFG过高容易导致画面不自然，建议降到6-8
- 提示词和原图冲突太大——比如原图是猫，提示词却写“a dog”，AI会左右为难
Q5：VAE Encode节点报错
检查：
Load Image的IMAGE输出（蓝色）是否接到了VAE Encode的pixels输入（蓝色）Load Checkpoint的VAE输出（玫瑰色）是否接到了VAE Encode的vae输入（玫瑰色）- 颜色不匹配会导致连接失败
写在最后
图生图把一张静态的图片变成了创作的起点，而不是终点。你不必每次都从零开始“无中生有”——你可以拿一张草图、一张照片、一幅旧作，让AI帮你把它变成全新的样子。
而这一切的控制权，就握在denoise这个小小的参数手里。从0.1到0.9，你可以在“忠于原图”和“自由创造”之间自由滑动，找到那个最符合你创作意图的平衡点。
一张图 + 一段提示词 + 一个denoise值 = 无限可能。
接下来的路，你可以尝试：
- 把图生图和LoRA结合，在保留原图结构的同时注入特定风格
- 把图生图和ControlNet结合，用姿态、深度图等更精确地控制生成
- 把图生图用在局部重绘（Inpaint）上，只修改图片的特定区域
图生图的世界，比你想象的更大。