刚刚！Stable diffusion 2024升级加强版终于来了！（无需安装，解压即用）

### 使用 Stable Diffusion 和 ControlNet 进行图像扩展 为了利用 Stable Diffusion 和 ControlNet 实现高质量的图像扩展，以下是详细的说明： #### 准备工作 确保已经按照官方指南完成以下操作： - 安装 `sd-webui-controlnet` 插件[^1]。 - 下载所需的 ControlNet 模型，并将其放置于 `/models/ControlNet` 文件夹下[^2]。 插件安装完成后，在 WebUI 中可以找到对应的选项卡用于配置和运行扩图功能。 --- #### 控制模式设置 在使用 ControlNet 的过程中，需注意以下几个关键参数： - **控制模式选择**：推荐优先选用 `ControlNet` 作为主要控制器[^3]。 - **画面缩放模式**：通常建议选择“缩放并填充”，以便更好地适配新尺寸下的内容生成需求。 这些基础设定能够帮助保持原图风格的一致性和连贯性。 --- #### 输入目标尺寸 当准备调整原始图片大小时， - 可手动指定期望的高度与宽度数值； - 或者借助界面工具——点击待处理素材右下角特定图标（即最右侧的那个），自动提取当前选中图形的实际分辨率数据填入对应字段内。 此步至关重要，因为它决定了最终输出作品的整体布局比例以及细节呈现效果。 --- #### 提示词优化技巧 为了让生成结果更加贴近预期设想，在提交渲染请求之前务必精心设计 Prompt 文本字符串。特别是涉及复杂场景或者特殊环境描述的时候，应该尽可能详尽地补充关于背景要素的相关线索。例如，“黄昏时刻站在海边沙滩上的孤独人物剪影”。 --- #### 开始执行任务 一切准备工作就绪之后就可以按下启动键等待计算结束返回成品啦！ 下面是 Python 脚本形式展示如何调用 API 接口来自动化上述流程的一个简单例子: ```python import requests from PIL import Image from io import BytesIO def expand_image_with_controlnet(image_path, prompt, width=768, height=512): url = 'http://localhost:7860/sdapi/v1/txt2img' # 假设本地服务端口号为7860 with open(image_path, "rb") as image_file: base64image = base64.b64encode(image_file.read()).decode('utf-8') payload = { "init_images": [base64image], "prompt": prompt, "width": width, "height": height, "controlnet_units": [{ "enabled": True, "module": "canny", "model": "control_canny-fp16", }] } response = requests.post(url, json=payload) r = response.json() for i in r['images']: image = Image.open(BytesIO(base64.b64decode(i.split(",",1)[0]))) return image expanded_img = expand_image_with_controlnet('./input.jpg', 'A beautiful landscape under sunset') expanded_img.save("./output_expanded.png") ``` > 注意：以上代码仅为示意用途，请依据实际部署情况修改相应路径和服务地址等信息。 ---