图片转绘
掌握ComfyUI的图像转绘！本指南通过控制网、面部参考和高清升级来增强图生图的功能。
确定思路：
Comfyui的图片转绘与webui图生图一样，都是上传原图后，通过修改模型改变原图的画风，但为了提高转绘的精确度，我们可以在中间加上几个新步骤：
添加模型放大节点，控制原始图像的大小
增加与原图的相似性
a. 利用ipadapter faceid参考脸部
b. 反推原图提示词
c. 添加控制网（openpose、canny、depth）
添加高清修复，让最终成图更清晰
第一步：搭建模型组
我们可以在图生图模板基础上开始搭建，首先选择性的在原始图像后方添加图像放大：Upscale Image By节点，用来控制原始图像的大小
lora根据自己需求添加，也可以不添加
也可以再添加一个CLIP Set Last Layer节点，跳过层级，最后将对应节点连上
新增节点：
Upscale Image By
CLIP Set Last Layer
第二步：参考原图
（反推提示词+Ipadapter+控制网）
反推提示词：WD14 Tagger节点
双击搜索添加WD14 Tagger节点
连接image节点
右键单击正面提示词节点，选择“Convert text to input”，将WD14 Tagger连接在正面提示词上
但这只包含了图片的提示词信息，如果想添加其他提示词
则需要新建一个Text Concatenate节点，可以将多段提示词连接在一起
再新建一个元点节点Primitive，元点节点Primitive可以连接在任意节点上，变成相关属性
在Primitive上输入想额外添加的提示词，例如lora触发词，一些质量词等
这时的提示词不仅包括根据图片反推得到的提示词，还有我们输入的提示词
接下来搭建IPadapter faceID，用来参考脸部特征
双击搜索IPadapter FaceID，将输入端的节点一一对应
拖出节点后新建：
ipadapter→ IPAdapter Model Loader
clip_vision→ Load CLIP Vision
insightface→ IPAdapter InsightFace Loader
Connect the output to the sampler.
新建节点：
IPadapter FaceID
IPAdapter Model Loader
Load CLIP Vision
IPAdapter InsightFace Loader
搭建控制网
推荐使用CR Multi-ControlNet Stack节点，可以在上面添加多个控制网
之后再添加对应的预处理器，这里推荐使用openpose、canny、depth这三个控制网，可以根据最终画面添加或者删除
之后在输出端添加控制网应用节点：CR Apply multi-ControlNet
推荐将预处理器处的分辨率设置为1024
*最后记得将需要用到的控制网的开关打开
输入端：与正负面提示词相连接
输出端：与采样器相连接
新建节点：
CR Multi-ControlNet Stack
CR Apply Multi-ControlNet
第三步：高清修复
前面已经搭建了模型组和参考原图
在最后输出图片这一步我们可以新增图片高清修复：Upscale Image(using Model)
新增节点： Upscale Image (using Model)
节点搭建完毕后，可以搭建组将节点整理一下，方便查看
最后需要根据出图调整相应参数，比如大模型、lora权重、提示词、采样器、重绘幅度等等
本次转绘重要参数：
CLIP _layer：-2
Upscale Image By: 1.5
steps: 40
sampler_name: dpmpp_2m
scheduler: karras
denoise: 0.7
可以根据最终出图结果调整部分参数
注意：如果你选择的是sdxl模型，也需要对应sdxl的lora，以及将控制网模型调整为sdxl，否则会出图失败
以上就是图片转绘的一个完整工作流，在这个基础上你也可以添加vae或FreeU_V2来调整最终图像FreeU_V2：主要是对色彩的控制，然后抽取部分内容然后优化
Load VAE：对画面色彩及细节进行微调
通过这样一个工作流，你可以实现不同风格的转换
Last updated
