你有没有过这种经历？花了大半天写了一篇文案，回头发现有个关键错别字没改；花了一周打磨一张插画，交给客户后对方说”背景色能不能换成蓝色”；辛辛苦画了一整天，AI 偏偏在最显眼的地方给你画歪了一只手。

如果每次微调都要从头生成，那 AI 绘画的优势就全没了——重新抽卡的结果往往越改越离谱，还不如最初的版本。

图生图（Img2Img）和局部重绘（Inpainting）就是为了解决这个问题而生的。你可以把它们理解成 AI 绘画的”Photoshop”——不是从零开始，而是让你精准地修改画面中任何一个局部，保留其他部分不变。

这篇文章是「AI绘画从0到1」系列的第十篇。昨天你学会了 ControlNet，已经能从”抽奖选手”升级为”片场导演”。今天的技能是在这个基础上更进一步：让 AI 改图，而不是重新画图。

一、图生图到底是什么？

1.1 从头生成 vs 图生图

在 Day1 的文章里我们讲过，AI 绘画的本质是”从噪声中重建图像”——AI 先看到一张完全随机的噪点图，然后一步步去噪，最终生成一张符合提示词的图片。

文生图（Text-to-Image） 就是从随机噪点开始，完全由提示词主导生成过程。你告诉 AI “画一只在草地上奔跑的金毛犬”，AI 就从零开始构建这个画面。

图生图（Image-to-Image，简称 Img2Img） 则是在这个过程中插入了一张”起始图”。你给 AI 提供一张参考图（比如一张你拍的照片，或者一张之前 AI 生成的草图），AI 不是从噪点开始，而是把这张起始图当作去噪的起点，结合你的提示词来生成新图。

关键区别在于：

文生图的主动权完全在提示词手里，AI 有充分的”创作自由”。这既是优势也是劣势——优势是你能生成完全想象出来的东西，劣势是 AI 经常”放飞自我”，和你的预期差十万八千里。

图生图的主动权在”起始图+提示词”共同掌握。起始图给 AI 一个基本框架和约束，提示词再在这个框架上做调整，最终结果既保留了你想要的结构，又融入了新的元素。

1.2 图生图的典型应用场景

场景一：改变风格，不改变构图。

你用文生图生成了一张构图很满意的室内设计图，但画风是写实风，客户想要二次元风格。以往你只能重新抽卡，希望 AI 能保持同样的构图。但有了图生图，你把这张写实室内图作为起始图，提示词写”二次元风格，动漫渲染，室内设计”，AI 就会在保留原构图的基础上，帮你把画风转换成二次元。

场景二：给摄影作品加 AI 元素。

你拍了一张城市夜景照片，想要在天空加上飞天马车、在建筑上加上霓虹灯光。如果纯文生图，AI 很难保持照片的真实感和原有的光线角度。但如果用图生图，以你的实拍照片为起始图，提示词描述你想加的元素，AI 就能保持照片的真实感，同时把那些超现实元素自然地融入画面。

场景三：修复和增强 AI 生成图。

这是最实用的场景。你抽到了一张构图和氛围都很满意的图，但有些细节有问题——面部不够精致、光影不够自然、某个角落有些瑕疵。图生图可以在保持整体效果的前提下，帮你改善这些细节，而不需要重新抽卡。

1.3 图生图的核心参数：重绘强度（Denoising Strength）

理解图生图，关键在于理解一个参数：重绘强度（Denoising Strength）。

这个参数的取值范围通常是 0 到 1（或者 0% 到 100%）。它控制的是：AI 在生成过程中，”参考起始图”和”自由创作”之间的比例。

当重绘强度 = 0 时， AI 完全参考起始图，几乎不做什么改变，生成的图和原图几乎一样——这等于没用。

当重绘强度 = 1 时， AI 完全自由创作，起始图基本不起作用，效果接近纯文生图——这又失去了图生图的意义。

当重绘强度在 0.3-0.6 时， 这是最常用的区间。AI 在保留起始图大体结构和构图的基础上，进行明显的风格或内容调整。这个范围内存的差异也很大：0.3 左右偏向保留原图，0.6 左右偏向大幅改造。

在实际操作中，Day10 建议从 0.5 开始尝试，然后根据结果上下微调。如果你想保留更多原图细节，就往 0.3-0.4 靠；如果你想要明显不同的结果，就往 0.6-0.7 靠。

二、局部重绘（Inpainting）详解

2.1 为什么需要局部重绘？

图生图是对整张图进行改造。但在实际使用中，你往往只需要修改一个局部——比如一张人物照里，AI 画的手指有问题，你只想修手指，其他地方都满意。

如果用图生图处理整张图，手指虽然修好了，但可能脸型、发型、甚至整个构图都变了。这是用户最常遇到的崩溃时刻。

局部重绘（Inpainting） 就是来解决这个问题的。它的原理很直观：你告诉 AI “我只想要你修改这个区域，其他地方保持原样不动”。AI 只会在你指定的区域内重新生成内容，区域外完全不变。

2.2 局部重绘的两种方式

在 Stable Diffusion 中，局部重绘主要通过两种方式实现：

方式一：Draw Mask（画遮罩）

你在原图上用画笔涂抹出想要修改的区域。涂抹区域会被标记为”需要重新生成”，白色区域表示保留原样，黑色区域表示要重新生成。

这种方式最直观，适合修改不规则形状的区域——比如一只画歪的手、一块背景中的杂物、一个比例失调的物体。

方式二：Upload Mask（上传遮罩）

如果你有设计软件（如 Photoshop）基础，可以自己在外部软件里制作一张遮罩图——黑色代表要修改的区域，白色代表保留的区域，然后上传这张遮罩图到 Stable Diffusion。

这种方式适合精确的、几何形状的遮罩，或者当你要批量处理多张图片、每次修改相同位置时非常高效。

2.3 局部重绘的核心参数

局部重绘有几个关键参数需要注意：

蒙版模糊度（Mask Blur）：控制遮罩边缘的模糊程度。如果设为 0，边缘会非常锐利，生成内容和原图在边缘处会显得突兀。如果蒙版区域和不蒙版区域边缘差异大，建议把 Mask Blur 设到 3-5，让过渡更自然。

蒙版模式（Masked Content）：这个参数告诉 AI，遮罩区域内的内容”应该以什么为基础”来重新生成。常见选项包括：

• **”潜空间噪声”**：以随机噪点为基础重新生成，适合大幅改造。
• **”原始图像”**：以原图内容为基础，适合小幅调整。
• **”空白潜空间”**：以完全空白为基础，适合在空白区域创造全新内容。

重绘幅度（Inpaint Denoising Strength）：类似于图生图的重绘强度，但只作用于蒙版区域。通常 0.4-0.6 是修复细节的好范围，如果要大面积重绘，可以用更高数值。

2.4 局部重绘的实战技巧

技巧一：手指和脸部的局部重绘

手指和脸部是 AI 绘画最容易出错的地方，也是局部重绘最常用的场景。修复步骤如下：

第一步，用画笔工具在出错的手指区域涂抹，生成遮罩。涂抹范围要稍微大一些，留出周围正常区域的缓冲空间。第二步，提示词写”正常的手，五根手指，正确的解剖结构”，同时把重绘强度设为 0.4-0.5，避免过度改造影响周围区域。第三步，如果第一次生成效果不理想，可以调整提示词或稍微增大重绘幅度，重新生成。

技巧二：利用”局部重绘+ControlNet”

这是 Day9 内容的进阶用法。你可以在局部重绘时，同时启用 ControlNet 来控制生成内容的姿势或构图。比如你想修改一张角色图的手部动作，但又不希望 AI 把手的整体比例和风格改掉。

配合 OpenPose 控制，AI 会在你指定的遮罩区域内，按照新的姿势生成手部图像，但手的大小比例、皮肤质感、整体画风都会和原图保持一致。

技巧三：消除杂物和不需要的元素

背景里有多余的东西？某个物体位置不对？想删掉画面中的一个人？局部重绘都可以搞定。

操作方法是：把想要删除的区域涂成遮罩，提示词可以填写”干净的背景，简洁的画面”，或者干脆留空让 AI 自动推断应该填什么内容。重绘幅度设为 0.5-0.65，给 AI 足够的空间来”补上”被删除的部分，同时不会过度影响周围的画面。

三、扩展画布：Outpainting

3.1 什么是 Outpainting？

如果说局部重绘是在画面内部做减法（擦除和修改），那么 扩展画布（Outpainting） 就是在画面外部做加法——把画面的边界往外扩，让 AI 在原本不存在的区域里继续创作。

这个功能的典型应用场景包括：

• **竖图改横图**：你有一张竖构图的照片或 AI 图，想要一张同样内容但横向构图的版本。用 Outpainting 扩展左右两侧，AI 会根据原有内容，在两侧补充生成符合逻辑的新画面。
• **添加天空或地面**：生成的风景图天空太窄，想要更开阔的视野。Outpainting 可以在上下方向扩展，AI 会生成连贯的天空或地面。
• **打造全景图**：把多张图片通过 Outpainting 拼接成一张超宽幅的全景图，这在游戏原画和电影分镜中非常实用。

3.2 Outpainting 和局部重绘的关系

很多人搞不清楚 Outpainting 和局部重绘的区别。简单区分一下：

局部重绘的遮罩区域是”要重新生成”的部分，不遮罩的区域是”原样保留”的部分。

扩展画布则相当于把”扩展出去的新区域”当作一个大遮罩，原有画面和新区域之间的边缘是”过渡和约束”——AI 不是凭空创作新区域，而是要保证新生成的内容和原有画面在风格、光线、透视上保持连贯和自然。

Stable Diffusion WebUI（如 Automatic1111）提供了”脚本（Scripts）”功能下的 Outpainting 选项，支持上下左右四个方向的扩展，每次扩展的幅度和每次扩展的重绘强度都可以单独设置。

四、实战案例：从一张草图到精致插画

案例背景

假设你是一个自由插画师，客户要求你为一本儿童绘本创作一张封面图。主题是”小女孩在魔法森林里和独角兽玩耍”。

你先用文生图生成了一张草图，构图和氛围都不错，但有两个明显问题：前景的小女孩脸部有些扭曲，独角兽的角看起来不太自然。想通过局部重绘来修复这两处细节，而不是重新生成整张图。

步骤一：准备原图并识别问题区域

将草图导入 Stable Diffusion WebUI，切换到”Img2Img”标签页，把原图上传到”起始图”区域。

先仔细观察原图，标记需要修复的两个区域：前景小女孩的脸部（主要问题）和独角兽的角（次要问题）。这两个区域需要分别处理。

步骤二：局部重绘修复小女孩脸部

切换到”Inpaint”（局部重绘）标签。用画笔工具在小女孩脸部区域涂抹，创建蒙版。涂抹范围要稍微大于问题区域，保留一圈正常皮肤作为过渡参考。

提示词填写：”beautiful young girl face, clear eyes, smile, soft lighting, detailed skin texture, masterpiece quality”。重绘强度设为 0.4，蒙版模糊度设为 3，重绘模式选择”Original”。

点击生成，AI 会在保持周围区域完全不变的情况下，重新生成一张清晰自然的脸部图像。

步骤三：局部重绘修复独角兽角

脸的问题修复后，处理独角兽的角。切换回”Inpaint”模式，这次在独角兽角部区域涂抹蒙版。

提示词填写：”graceful unicorn horn, spiral texture, glowing magical effect, matching the fairy tale style”。重绘强度设为 0.35（因为这次修改幅度较小），避免过度改造影响独角兽头部的整体造型。

生成后，检查新生成的角是否和原有独角兽头部风格一致、比例协调。

步骤四：整体调色和光影统一

局部修复完成后，可以用图生图功能对整张图进行轻度的”统一调色”，让修复的局部和原图在光影、色调上更加融合。

将修复后的图作为新的起始图，提示词填写”enhanced version, unified lighting, vibrant colors, professional illustration”（或保留原提示词），重绘强度设为 0.15-0.2，只做微调不做大幅改造。

最终效果

通过这个流程，你不需要从头生成，而是用”局部重绘+轻度融合”的方式，在 15-20 分钟内完成了一张精致度堪比重新绘制的插画封面。关键是——保留了原图中你满意的部分，只修改了有问题的部分。

五、图生图与局部重绘的进阶组合用法

5.1 图生图 + ControlNet：精准控制再升级

在 Day9 我们学了 ControlNet 的四种控制方式。这些控制方式和图生图结合，能产生 1+1>2 的效果。

组合一：图生图 + OpenPose

你有一张满意的动作草图，但想要更精致的画面细节。图生图以这张草图为起始图，同时用 OpenPose 控制角色姿势，提示词描述你想要的画风和细节品质。AI 既能保持你设计的姿势，又能在细节上大幅提升质量。

组合二：图生图 + Canny 线稿控制

将一张摄影作品通过 Canny 预处理转换成线稿图，再用图生图以这张线稿为控制基础，提示词描述你想要的艺术风格。摄影师可以用这种方式把自己的作品转化成不同画风——把实拍照片转化成油画、水彩画、赛博朋克风格等。

组合三：图生图 + Tile

Tile 模型是图生图中的一个特殊模型，它的特点是”忽略全局结构，只关注局部细节”。当你用 Tile 模型做图生图时，AI 会把原图分割成小块，每块单独处理后再拼接，能在很大程度上保留原图的构图，同时大幅改变细节风格。

这种组合特别适合”保持构图但完全改变画风”的场景，比如把一张照片转化成黏土动画风格或像素游戏风格。

5.2 批量处理与工作流优化

如果你的工作中需要处理大量同类图片，手动一张一张操作效率很低。可以通过以下方式优化：

方式一：使用脚本批量处理

Stable Diffusion WebUI 支持用脚本批量执行图生图操作。你可以编写一个简单的 Python 脚本，调用 Stable Diffusion 的 API，传入一组图片和对应的提示词，批量产出结果。

方式二：建立个人提示词模板

把常用的提示词结构保存为模板。比如”修复面部”的提示词模板可以写成：”[quality]: masterpiece, best quality, highly detailed | [subject]: [描述主体] | [fix]: [具体修复目标]”。每次使用时只需要填入具体内容，不用从头写完整的提示词。

方式三：使用 ComfyUI 建立工作流

如果你已经对 AI 绘画有了一定了解，ComfyUI 是一个值得学习的进阶工具。它用节点和工作流的方式，把图生图、局部重绘、ControlNet 控制等操作串联成一个自动化流程。一旦建立好工作流，同样的任务只需一键执行，大大提升效率。

六、不同场景的参数推荐

很多人知道图生图和局部重绘的原理，但一实际操作就不知道该用什么参数。以下是不同场景的推荐参数组合，来自大量实测经验：

场景一：改变艺术风格（写实转动漫、照片转插画）

• 重绘强度：0.5-0.65
• 采样步数：20-30
• 提示词：描述目标风格，不描述具体物体细节（让原图提供物体信息）
• 建议配合 ControlNet Tile 使用

场景二：修复 AI 生成图的面部和手部

• 重绘强度：0.35-0.5
• 蒙版模糊度：3-5
• 提示词：聚焦于修复目标（”correct hand anatomy, five fingers”）
• 可配合 ControlNet OpenPose 使用

场景三：为照片添加 AI 元素

• 重绘强度：0.55-0.7
• 蒙版模糊度：5-8
• 提示词：描述你想添加的元素类型
• 建议启用 ControlNet Canny 或 Depth 保持原图结构

场景四：消除不需要的物体

• 重绘强度：0.5-0.65
• 提示词：描述干净背景（”clean background, no objects, smooth wall”）
• 可分两次处理：先用较高强度去除主体，再用低强度让边缘过渡自然

七、常见问题与解决方案

问题一：局部重绘后边缘有明显的接缝

这是最常见的问题。解决方法有几个：第一，增加蒙版模糊度（Mask Blur），让遮罩边缘过渡更柔和；第二，降低重绘强度，避免 AI 在边缘区域生成差异过大的内容；第三，可以多做几次轻度重绘，而不是一次高强度重绘；第四，生成后用 Photoshop 或 GIMP 做轻微的高斯模糊处理接缝处。

问题二：重绘强度设了多少都觉得不对，要么保留太多问题，要么改动太大

这通常是蒙版区域太小造成的。遮罩应该比问题区域大一些，留出周围正常区域作为 AI 理解和过渡的参考。如果问题区域是手，建议把整个手臂都包含在遮罩内，而不是只涂手指。

问题三：局部重绘生成的内容和周围环境不协调

解决方法是在提示词中明确描述环境信息。比如修复一只鸟时，提示词除了写”美丽的鸟”，还要写”在森林背景中，温暖的午后阳光”，这样 AI 生成的内容在光影和色调上会更容易和周围环境融合。

问题四：图生图时如何避免构图被大幅改变

当你想保留原图构图，只想改变风格或细节时，有几个技巧：一是使用 ControlNet Canny 或 Depth 来锁定构图；二是把重绘强度控制在 0.4 以下；三是分步骤处理——先轻度重绘看效果，不满意再逐步提高强度，而不是一开始就开很高。

八、总结与下节预告

今天我们学习了图生图（Img2Img）和局部重绘（Inpainting）两大核心技能。图生图让你能够以一张参考图为基础，通过调整重绘强度来控制 AI 是在原图基础上微调还是大幅改造。局部重绘则让你能够精准修复图片中的局部问题，保留满意的部分不受影响。

核心要点回顾：

• 图生图通过”起始图+提示词”共同控制输出，保留构图的同时改变风格或内容
• 重绘强度是图生图的核心参数，0.3-0.6 是最常用区间
• 局部重绘通过蒙版指定修改区域，适合修复特定问题（面部、手部、杂物等）
• 局部重绘配合 ControlNet 使用效果更佳
• Outpainting 可以在画面外部扩展，生成全景或改变画幅比例

明天是 Day11，我们将学习 LoRA 模型训练——让 AI 学会你的专属画风，你画什么它就模仿什么。这是 AI 绘画从”使用别人的工具”到”拥有自己的模型”的关键一步。敬请期待。

【本系列目录】