大家好,這里是和你們一起探索 AI 花生。
上次為大家推薦了 9 款在線免費(fèi)的 AI 工具,可以幫我們一鍵完成老照片修復(fù)/上色的工作。但是這些工具大多有使用次數(shù)、圖像尺寸方面的限制,處理效果并不能完全讓人滿意。而隨著 AI 繪畫的普及,我們可以借助 SD Web UI 這樣的開源工具,免費(fèi)實(shí)現(xiàn)黑白照片修復(fù)、上色、高清放大等一系列操作,不僅可以沒有使用上的各種限制,圖像的修復(fù)、上色效果也更準(zhǔn)確精致。
整個(gè)過程大概分為 “面部強(qiáng)化-破損修復(fù)-上色-高清放大” 四個(gè)步驟,如果你還不了解 SD WebUI 的用法,可以了解我的課程《零基礎(chǔ) AI 繪畫入門指南》,這是是一門面向 AI 繪畫零基礎(chǔ)人群的系統(tǒng)課程,包含 Stable Diffusion WebUI 全面細(xì)致的用法教學(xué),并提供配套資源,能幫你快速掌握這款目前最熱門的 AI 繪畫工具。
修復(fù)老照片時(shí),最重要部分就是人臉的處理,一定要完整清晰,所以我們首先要做的就是強(qiáng)化人物的面部特征,這一步可以使用 SD WebUI「后期處理」中的 GFPGAN 或 CodeFormer 來完成,它們是專門處理面部特征的模型,可以將模糊的人臉變得清晰。
GFPGAN 模型會(huì)完全忠于原圖,適合沒有破損的模糊人像。而 CodeFormer 則會(huì)有一定程度的加工,能讓人物五官更完整清晰,但是也容易造成變形。所以一般推薦我兩個(gè)模型搭配使用,但目前 1.9 版本的 WebUI 相關(guān)配置有 Bug,導(dǎo)致二者聯(lián)用時(shí)會(huì)出現(xiàn)報(bào)錯(cuò),大家可以等修復(fù)之后再嘗試。
此處我使用的是 CodeFormer 模型,因?yàn)樗囊曈X效果會(huì)更舒適一些。權(quán)重建議在 0.2-0.5 之間調(diào)整,這樣既可以保持與原圖面部特征相似,也能一定程度上修復(fù)模糊和破損;權(quán)重值過高會(huì)導(dǎo)致五官發(fā)生明顯變化。
在得到清晰的面部細(xì)節(jié)之后,我們就可以進(jìn)一步對照片的破損進(jìn)行修復(fù)。
在這一步需要在 Ps 中處理,利用畫筆、污點(diǎn)修復(fù)畫筆、內(nèi)容識別等功能對裂痕、污點(diǎn)進(jìn)行修復(fù),操作很簡單。在 Ps 中處理得越精細(xì),后面在 WebUI 中的工作就會(huì)越方便,修復(fù)的效果也更好(如果你的照片破損非常嚴(yán)重,五官的部分也有嚴(yán)重?fù)p毀,那可以需要更復(fù)雜的 Ps 技巧才能處理好,相關(guān)教程 B 站上有,此處不展開細(xì)講)。
下圖是用完全用內(nèi)容識別工具處理的,修復(fù)了大部分非常明顯的裂痕,圖像質(zhì)量等到了很明顯的改善。
在 SD WebUI 中,Controlnet 的 Recolor 模型會(huì)基于黑白照片的亮度(luminance)或強(qiáng)度(intensity ),對畫面進(jìn)行上色處理,效果比很多自動(dòng)上色的工具好。 具體操作如下:
① 進(jìn)入文生圖版塊,啟用 controlnet,勾選完美像素、允許預(yù)覽選項(xiàng);
② 選擇 recolor 預(yù)處理器與控制模型,然后上傳上一步修復(fù)好的模型;
③ 設(shè)置生成參數(shù)。因?yàn)槭翘幚頂z影照片,所以要選擇寫實(shí)類的大模型,比如 realisticVision,其他參考信息如下:
- 正向提示詞:a woman,short curly black hair,smile,with earrings,photographic portrait
- 反向提示詞:UnrealisticDream,BadDream,ng_deepnegative_v1_75t(均為負(fù)面提示詞 embedding)
- 大模型:realisticVisionV30,Clip skip: 2
- Steps: 25, Sampler: DPM++ 2M, Schedule type: Karras, CFG scale: 7
- ControlNet 0: recolor_luminance, Model: ioclab_sd15_recolor, Weight: 1.0
如果想自己控制上色效果,可以在提示詞中指定物體的顏色,比如黃色的裙子、棕色的大衣等,可以在一定程度上影響上色效果,或者在圖生圖的「涂鴉重繪」中,用帶顏色的畫筆涂抹指定區(qū)域,配合 controlnet 的 recolor 模型,引導(dǎo) AI 生成對應(yīng)顏色的內(nèi)容。
在基礎(chǔ)的修復(fù)、上色完成后,我們就可以對處理后的照片進(jìn)行高清放大。
之所以沒有把放大放在第一步,一是因?yàn)槿绻娌刻:苯臃糯蠛髸?huì)導(dǎo)致面部失真;二是因?yàn)樵谏仙臅r(shí)候,圖片太大會(huì)讓處理時(shí)間變長,上色效果也會(huì)下降,如果你的顯存不高,還容易出現(xiàn)爆顯存的問題。所以早期圖像在 512-1024 px 之間是比較合適的。
目前在 AI 技術(shù)的加持下,想放大一張圖像的方法是非常多的,之前也為大家專門推薦過圖像高清放大工具,可以直接使用。而 SD WebUI 本身也是很擅長圖像放大的,主要方法以下 2 種:
① 如果只是將圖像放大到 2K 的水平,不追求高清細(xì)節(jié),可以直接使用「后期處理」的放大功能。里面支持兩種算法結(jié)合使用,我們可以選擇 4x-UltraSharp 或 R-ESRGAN 4x+ 做為主算法,提升畫面的清晰度;然后用 Lanczos 或 Nearest 做為輔助算法,保留畫面原有的質(zhì)感。
② 如果是要圖像放大到 4K 水平,可以使用 Tiled Diffusion 搭配 Controlnet Tile 模型處理,具體操作如下:
1)進(jìn)入圖生圖版塊,大模型、提示詞、生成參數(shù)等設(shè)置都可以與前面文本圖里的保持一致;
2)上傳需要放大的圖像,填寫圖像尺寸,重繪幅度推薦 0.3-0.5 之間,過高會(huì)導(dǎo)致畫面細(xì)節(jié)變形;
3)啟用 tiled diffusion 插件 ,放大算法選 4x-UltraSharp 或 R-ESRGAN 4x+;選擇放大倍數(shù),一般是 2-4 倍。
4)直接啟用 controlnet,選擇 tile 模型,勾選完美像素模式,然后點(diǎn)擊生成,等待圖像放大。
5)如果你在使用此方法放大圖像時(shí),出現(xiàn)了 out of memory 爆顯存的情況,可以再啟用 Tile VAE 選項(xiàng),可以有效降低顯存的占用率。
與后期處理放大相比,Tiled 放大法會(huì)對整個(gè)畫面進(jìn)行重繪,讓原本模糊的細(xì)節(jié)也變得清晰銳利。所以即使同樣是放大 2 倍,Tile 處理后的圖像會(huì)更高清逼真。
以上就是一個(gè)最基礎(chǔ)的黑白照片修復(fù)、上色、高清方法工作流,處理順序并不是定死的,重點(diǎn)是讓大家明白不同的功能帶來的不同效果。實(shí)際操作中,我們可以結(jié)合實(shí)際情況修改調(diào)整順序。
SD WebUI 目前并不能獨(dú)立完成所有修圖任務(wù),所以一定要結(jié)合 Ps 等其他圖像處理工具靈活處理。除了修復(fù)破損,Ps 的調(diào)色以及蒙版功能也非常有幫助。
比如你的照片中人物很多,一次性修復(fù)效果不佳,就可以分別截取人臉,單獨(dú)用 AI 修復(fù)好之后再用 Ps 合成到一起;或者上色的過程中,不同物體間容易串色,就可以一次只指定一個(gè)顏色,生成多張圖像,然后再用 Ps 合成在一起,這樣效率反而比抽卡高,效果也會(huì)更精致。
文章內(nèi)用到的圖像、模型文件都可以在文末的云盤內(nèi)下載,非常推薦 SD WebUI 新手用來練習(xí)。喜歡本期內(nèi)容的話記得點(diǎn)贊、收藏評論三連支持一波,我會(huì)有更動(dòng)力為大家推薦新的干貨內(nèi)容~
想了解更多 AI 新鮮資訊的話,歡迎關(guān)注 優(yōu)設(shè) AI 自學(xué)網(wǎng) 和優(yōu)設(shè)微信視頻號,每天都會(huì)分享最新的 AIGC 資訊和神器,讓你輕松掌握 AI 發(fā)展動(dòng)態(tài)。也歡迎大家掃描下方的二維碼加入“優(yōu)設(shè) AI 知識交流群”,和我及其他設(shè)計(jì)師一起交流學(xué)習(xí) AI 知識~
推薦閱讀:
復(fù)制本文鏈接 文章為作者獨(dú)立觀點(diǎn)不代表優(yōu)設(shè)網(wǎng)立場,未經(jīng)允許不得轉(zhuǎn)載。
發(fā)評論!每天贏獎(jiǎng)品
點(diǎn)擊 登錄 后,在評論區(qū)留言,系統(tǒng)會(huì)隨機(jī)派送獎(jiǎng)品
2012年成立至今,是國內(nèi)備受歡迎的設(shè)計(jì)師平臺,提供獎(jiǎng)品贊助 聯(lián)系我們
AI輔助海報(bào)設(shè)計(jì)101例
已累計(jì)誕生 737 位幸運(yùn)星
發(fā)表評論 為下方 7 條評論點(diǎn)贊,解鎖好運(yùn)彩蛋
↓ 下方為您推薦了一些精彩有趣的文章熱評 ↓