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：

1. 添加模型放大节点，控制原始图像的大小

2. 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）

1. 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）

1. 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

1. 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

1. 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