大家好，我是程序员晓晓
随着 AI 绘画的普及，如今我们可以借助 SD Web UI 这样的开源工具，免费实现黑白照片修复、上色、高清放大等一系列操作，在使用上不仅没有各种限制，而且在图像的修复、上色效果也更准确精致。
整个过程大概分为 “面部强化-破损修复-上色-高清放大” 四个步骤，如果你还不了解 SD WebUI 的用法，可以看看我的往期入门教程2024最新超强AI绘画Stable Diffusion整合包安装教程，零基础入门必备！，教程中都提供了配套的工具文件资料，能帮你快速掌握这款目前最热门的 AI 绘画工具。
本次教程所用到的模型插件、训练图像等资料我都已经整理好了，需要的朋友可以看文末扫描免费获取哦
一、人物面部增强
修复老照片时，最重要部分就是人脸的处理，一定要完整清晰，所以我们首先要做的就是强化人物的面部特征，这一步可以使用 SD WebUI「后期处理」中的 GFPGAN 或 CodeFormer 来完成，它们是专门处理面部特征的模型，可以将模糊的人脸变得清晰。
GFPGAN 模型会完全忠于原图，适合没有破损的模糊人像。而 CodeFormer 则会有一定程度的加工，能让人物五官更完整清晰，但是也容易造成变形。所以一般推荐我两个模型搭配使用
此处我使用的是 CodeFormer 模型，因为它的视觉效果会更舒适一些。权重建议在 0.2-0.5 之间调整，这样既可以保持与原图面部特征相似，也能一定程度上修复模糊和破损；权重值过高会导致五官发生明显变化。
二、破损瑕疵修复
在得到清晰的面部细节之后，我们就可以进一步对照片的破损进行修复。
在这一步需要在 Ps 中处理，利用画笔、污点修复画笔、内容识别等功能对裂痕、污点进行修复，操作很简单。在 Ps 中处理得越精细，后面在 WebUI 中的工作就会越方便，修复的效果也更好（如果你的照片破损非常严重，五官的部分也有严重损毁，那可以需要更复杂的 Ps 技巧才能处理好）。
下图是完全用内容识别工具处理的，修复了大部分非常明显的裂痕，图像质量等到了很明显的改善。
三、上色
在 SD WebUI 中，Controlnet 的 Recolor 模型（如没有相关模型插件，请看文末扫描免费获取哦） 会基于黑白照片的亮度或强度，对画面进行上色处理，效果比很多自动上色的工具好。 具体操作如下：
① 进入文生图版块，启用 controlnet，勾选完美像素、允许预览选项；
② 选择 recolor 预处理器与控制模型，然后上传上一步修复好的模型；
③ 设置生成参数。因为是处理摄影照片，所以要选择写实类的大模型，比如 realisticVision，其他参考信息如下：
正向提示词:a woman,short curly black hair,smile,with earrings,photographic portrait
反向提示词：UnrealisticDream,BadDream,ng_deepnegative_v1_75t（均为负面提示词 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
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
如果想自己控制上色效果，可以在提示词中指定物体的颜色，比如黄色的裙子、棕色的大衣等，可以在一定程度上影响上色效果，或者在图生图的「涂鸦重绘」中，用带颜色的画笔涂抹指定区域，配合 controlnet 的 recolor 模型，引导 AI 生成对应颜色的内容。
四、高清放大
在基础的修复、上色完成后，我们就可以对处理后的照片进行高清放大。
之所以没有把放大放在第一步，一是因为如果面部太模糊，直接放大后会导致面部失真；二是因为在上色的时候，图片太大会让处理时间变长，上色效果也会下降，如果你的显存不高，还容易出现爆显存的问题。所以早期图像在 512-1024 px 之间是比较合适的。
目前在 AI 技术的加持下，想放大一张图像的方法是非常多的，之前也为大家专门推荐过图像高清放大工具，可以直接使用。而 SD WebUI 本身也是很擅长图像放大的，主要方法以下 2 种：
① 如果只是将图像放大到 2K 的水平，不追求高清细节，可以直接使用「后期处理」的放大功能。里面支持两种算法结合使用，我们可以选择 4x-UltraSharp 或 R-ESRGAN 4x+ 做为主算法，提升画面的清晰度；然后用 Lanczos 或 Nearest 做为辅助算法，保留画面原有的质感。
② 如果是要图像放大到 4K 水平，可以使用 Tiled Diffusion 搭配 Controlnet Tile 模型处理，具体操作如下：
1）进入图生图版块，大模型、提示词、生成参数等设置都可以与前面文本图里的保持一致；
2）上传需要放大的图像，填写图像尺寸，重绘幅度推荐 0.3-0.5 之间，过高会导致画面细节变形；
3）启用 tiled diffusion 插件 ，放大算法选 4x-UltraSharp 或 R-ESRGAN 4x+；选择放大倍数，一般是 2-4 倍。】
4）直接启用 controlnet，选择 tile 模型，勾选完美像素模式，然后点击生成，等待图像放大。
与后期处理放大相比，Tiled 放大法会对整个画面进行重绘，让原本模糊的细节也变得清晰锐利。所以即使同样是放大 2 倍，Tile 处理后的图像会更高清逼真。
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
**AI绘画助力黑白老照片焕新生——详解SD Web UI全流程操作****作者**： 程序员晓晓
随着AI绘画技术的迅猛发展，借助开源工具SD Web UI，我们能够免费实现黑白照片的高效修复、上色与高清放大。这些操作不仅方便快捷，还极大地提升了图像处理的质量与精准度。以下是对SD Web UI实现黑白照片翻新全流程的详细解析：
### **一、人物面部增强**
- **关键点**：人脸修复与强化的核心是确保面部特征完整清晰。
- **方法**：
- 利用GFPGAN或CodeFormer模型强化面部细节。
- GFPGAN适用于无破损但模糊的人像，而CodeFormer则在一定程度上进行细节补全，需注意权重的适当调整以避免五官变形。
### **二、破损瑕疵修复**
- **操作环境**：此步骤通常在Photoshop中完成。
- **方法**：
- 运用画笔、污点修复画笔、内容识别等功能对照片裂痕、污点等破损部分进行细致修复。
- Ps处理的精细程度直接影响到后续SD Web UI中的操作难度及修复效果。
### **三、上色处理**
- **SD Web UI核心**：使用Controlnet的Recolor模型根据照片亮度进行自动上色。
- **操作指南**：
- 在“文生图”版块中启用controlnet，并选择recolor模型上传已修复照片。
- 细致调整生成参数，包括使用写实类大模型、设定提示词（正面及负面）、放大比例、算法类型等。
- 支持手动干预，如指定颜色或通过“涂鸦重绘”功能细化上色效果。
### **四、高清放大**
- **前提考量**：在上色及面部增强基础上，依据需求选择高清放大方案。
- **两种方法**：
- 若需简单放大至2K分辨率，可选用SD Web UI“后期处理”功能中的4x-UltraSharp或R-ESRGAN算法结合辅助算法保持画质。
- 针对更高需求如4K分辨率放大，建议使用Tiled Diffusion与Controlnet Tile模型结合的方式，重绘整体画面实现极致清晰度。
### **额外资源**
- 提供免费模型插件、训练图像等必要资源下载链接。
- 详尽的学习路线图、必备工具推荐、最新学习笔记、视频教程合集及实战案例，助力学习者从零基础快速上手，全面掌握AIGC技术。
### **结语与展望**
随着AI技术的不断革新，AIGC在游戏与计算领域的应用将愈加广泛。其高效、智能与灵活性，将极大地促进程序员与各行各业从业者的工作模式创新与发展。作为这一领域的前瞻性探索，AIGC的每一步进步都值得关注与学习。