ComfyUI 图生图深度实验：重绘幅度从 0.2 到 1.0 的视觉对比与场景指南

（关键词：#img2img、#denoise、latent noise、init image、#strength、#视觉对比、#工作流改造）

本章目标

本文将指导你如何将基础的「文生图」工作流升级为「图生图」。我们将导入真实照片和手绘草图，通过调整 ComfyUI 的核心参数 Denoise（去噪强度/重绘幅度）来控制生成图像与原图的相似度，从而实现「照片转动漫」、「手绘线稿上色」和「风格迁移」等效果。通过 0.2 至 1.0 五个档位的对比实验，你能清晰、直观地理解 denoise 数值如何影响最终图像的保真度与创造性。

图生图原理 30 秒版

Stable Diffusion 图生图的原理可以概括为：在原始图像的潜空间表示上添加噪声，然后根据你的文本提示词进行去噪采样，得到一个新的潜码，最后通过 VAE 解码器生成最终图像。其中的关键参数 denoise（去噪百分比）决定了这个过程从哪一步开始：1.0 代表完全重画（等同于从纯噪声开始），0.3 则代表仅对原图进行小幅度的细节修改，0 则理论上会生成一张与原图几乎一样的克隆图。

8 节点工作流改造：只需换 1 个节点 + 加 1 条线

将文生图工作流改为图生图非常简单，核心改动如下：

1. 删除 原来的 Empty Latent Image 节点。
2. 新增 Load Image 节点（位于 image 类别）。
3. 新增 VAE Encode 节点（位于 latent 类别）。
4. 连线：
   • Load Image 节点的 IMAGE 输出 → 连接到 VAE Encode 节点的 pixels 输入。
   • VAE Encode 节点的 LATENT 输出 → 连接到 KSampler 节点的 latent_image 输入。
5. 将 KSampler 节点的 denoise 参数设为 0.6（默认值）。
6. 其他所有节点（如 CLIP Text Encode、KSampler 的模型和提示词输入等）保持不变。

完成以上步骤，一个标准的文生图模板就成功变为了图生图工作流。

素材准备与目录

为了进行实验，你需要准备两类素材：

• 真实照片：例如 girl_photo.jpg，建议分辨率如 512×768。
• 手绘线稿：例如 sketch.png，建议分辨率为 512×512。

将这些素材统一放入 ComfyUI 的 input/ 文件夹。启动 ComfyUI 后，你可以直接在 Load Image 节点的文件选择器中看到它们。

实验设计：五档 denoise 视觉对比

为了精确观察 denoise 参数的影响，我们固定其他所有变量：

• 模型：AnythingV5
• 随机种子 (seed)：8888
• 采样步数 (steps)：20
• 提示词引导系数 (cfg)：8
• 正向提示词：1girl, anime style, colorful, masterpiece
• 负向提示词：使用通用负向提示词
• denoise 变量组：0.2， 0.4， 0.6， 0.8， 1.0

建议将输出图像命名为 denoise_XX_8888.png 的格式（如 denoise_0.4_8888.png），便于后续进行拼图对比。

操作步骤

1. 启动 ComfyUI，在 Load Image 节点中拖入 girl_photo.jpg。
2. 按照“工作流改造”部分所述，完成 VAE Encode 节点的连接。
3. 选中 KSampler 节点，在参数面板中找到 denoise 滑块，输入 0.2，点击 Queue Prompt 开始生成。
4. 依次将 denoise 值改为 0.4, 0.6, 0.8, 1.0，并分别生成图像。
5. 在 ComfyUI 的输出预览界面或系统文件夹中查看生成的五张图片，将它们拼在一起，就能直观感受不同重绘幅度的效果差异。

denoise	原图保真度	动漫化/风格化程度	适用场景建议
0.2	95%	轻微滤镜感	照片转二次元风格滤镜
0.4	80%	明显的赛璐璐动画风格	真人头像转为动漫立绘
0.6	60%	五官、发饰等特征可能被重画	为人物更换发型、服装或配饰
0.8	35%	基本只保留原图的人物姿态和构图	将手绘草图转化为完整上色的稿件
1.0	0%	完全基于提示词和构图全新生成	仅想参考原始图片的构图时使用

手绘草图上色实战

现在，让我们利用学到的知识，为一张手绘线稿上色：

1. 在 Load Image 节点中导入 sketch.png（假设是白底黑色线稿）。
2. 将 KSampler 的 denoise 设置为 0.8。这个值能很好地保留线稿的轮廓和姿态，同时让模型有足够的自由度进行上色和细节填充。
3. 在正向提示词中加入颜色描述，例如：1girl, (white dress:1.3), (pink hair:1.2), soft shading, anime style。
4. 保持 steps=20，点击生成。你会发现，生成的图像大约保留了 90% 的原始线稿，并自动填充了颜色和光影阴影，效果可直接用作头像或插画。

局部重绘预热（预告）

图生图结合蒙版，就能实现强大的局部重绘 (inpaint) 功能。本章先做一个简单的概念预热：
在 Load Image 节点下方，有一个名为 mask 的输出端口。将一张黑白蒙版图（白色区域代表需要重绘的部分）输入到这里，并将其连接到 Set Latent Noise Mask 节点，就能实现诸如“只重画人物的头发”这样的效果。关于局部重绘的详细操作与应用（例如修复手部），我们将在后续章节中展开。

潜空间加噪 vs 像素空间加噪的差异

ComfyUI 默认在图像的潜空间 (latent space) 进行加噪和去噪操作。这种方式相比早期一些工具在像素空间 (pixel space) 直接操作 img2img，速度通常能快上 2-3 倍，并且生成的图像边缘往往更锐利。你可以放大对比实验生成的图片，观察发丝等细节，会发现它们很好地保持了 Anything 模型干净、锐利的线条特点。

性能对比参考（基于 M2 Mac 8G）

在同一张 512×768 的图片上，不同 denoise 参数的生成耗时和内存占用参考如下：

denoise	生成时间	峰值内存占用
0.2	25 秒	4.0 GB
0.6	28 秒	4.1 GB
1.0	31 秒	4.1 GB

说明：denoise 值越低，实际参与去噪采样的步数就越少，因此生成时间越短。内存占用在不同 denoise 下变化不大。

批量生成时的尺寸注意

在图生图模式下使用 batch_size 进行批量生成时，内存占用会近似成倍增加（batch_size * 单张内存）。因此，建议先通过单张测试找到最适合当前任务的 denoise 值和其他参数，再考虑进行批量处理。

保存你的 img2img 模板

配置好一个高效的图生图工作流后，记得保存它以备后用。点击 ComfyUI 界面右侧的 Save 按钮，将工作流保存为例如 img2img_512.json 的文件。下次使用时，直接将该文件拖入 ComfyUI 界面即可加载全部节点和连线，你只需要更换输入的图片和微调参数即可。

本章小结

• 工作流改造极简：实现图生图，核心只需用 Load Image + VAE Encode 的组合替换掉 Empty Latent Image 节点，其余节点均可复用。
• 参数选择有窍门：denoise 值在 0.4-0.6 之间是“真人头像转二次元”的甜点区；0.8 左右则非常适合“草图转成稿”。
• 技术优势：ComfyUI 采用的潜空间加噪方式，在生成速度和线条质量上通常优于传统的像素空间操作。
• 下章预告：接下来我们将正式进入 LoRA 模型的应用，学习如何为你生成的动漫角色快速换上一套特定的“Instant”风格服装。

如果你想与更多开发者交流 Stable Diffusion 和 ComfyUI 的使用心得，获取更多工作流资源，欢迎来 云栈社区 分享和探讨。