注：文章使用的AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，有需要的小伙伴文末扫码自行获取。
所谓图片的创成式填充，就是基于原有图片进行扩展或延展，在保证图片合理性的同时实现与原图片的高度契合。是目前图像处理中常见应用之一。之前大部分都是通过PS工具来处理的。今天我们来看看在Stable Diffusion中如何实现。
我们先来看一下创成式图片处理效果。
原图片：512*512
横向扩展：1024*512
纵向扩展：512*1024
下面我们来看一下具体的操作方式。
【第一步】：图生图图片的上传
在图生图功能界面，上传一张图片，我这里上传一张512*768大小的图片。
下面进行相关参数设置。
缩放模式：选择“缩放后填充空白”。
蒙版区域内容处理：原图，只针对原图片的基础上进行一个小的改动
重绘区域：整张图片
采样器：DPM++ 2M SDE Karras
采样迭代步数：30
图片宽高：1024*768。原图片是512*768。这里我们保持图片的高度768不变，将图片宽度512横向扩展为1024。
生成数量：2，一次多生成几张，提高抽签概率
重绘强度：设置为1，尽量设置高一些（0.8以上），可以让AI充分发挥想象。
【第二步】ControlNet的设置
相关参数设置如下：
控制类型：选择"局部重绘"
预处理器：inpaint_only+lama（局部重绘+大型模版，主要用于图片扩展）
模型：control_xxx_inpaint
控制权重 : 设置为1
控制模式：选择“更偏向ControlNet”
缩放模式：选择"缩放后填充空白"
【第三步】提示词的编写
这里可以不用填写正向和反向提示词。
但是为了防止图片扩充时产生的图片太随意，我们最好加上反向提示词。
(worst quality:2),(low quality:2),(normal quality:2),lowres,((monochrome)),((grayscale)),bad anatomy,DeepNegative,skin spots,acnes,skin blemishes,(fat:1.2),facing away,looking away,tilted head,lowres,bad anatomy,bad hands,missing fingers,extra digit,fewer digits,bad feet,poorly drawn hands,poorly drawn face,mutation,deformed,extra fingers,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,missing arms,missing legs,extra digit,extra arms,extra leg,extra foot,teethcroppe,signature,watermark,username,blurry,cropped,jpeg artifacts,text,error,
不过个人还是建议加上原图片的正向提示词，以保证图片扩展时AI能结合提示词更好发挥，做到最合理保持与原图片的契合度。
【第四步】大模型的选择以及图片的生成
大模型需要根据实际情况选择，对于写实类建议选择"majicMIX_realistic"或者"Realistic Vision", 对于二次元类的选择"revAnimated"。
点击【生成】按钮。不能保证每次扩充都是满意的效果，我们可以每次多生成几张从中挑选。
下面我们纵向扩展一下图片，把原图片的高度从768调整到1024。
相关说明：
(1) 如果原图片宽高是512*512的，直接扩充为1024*1024，我实际操作了一下，图片不会进行填充，只是将原图片进行了放大处理。如果想实现创成式扩充，可以先横向扩展为512*1024，然后在基于扩展的图片基础上再次扩展为1024*1024，分2步操作即可。
（2）正向提示词和反向提示词可以不用填写，不过为了保证图片的合理性以及与原图片的契合度更高，建议写上正向提示词和反向提示词。
（3）大模型的选择要视具体情况而定，如果生成图片效果不理想建议多换几个模型试试。
好了，今天的分享就到这里了，希望今天分享的内容对大家有所帮助。
想要SD安装包和相关插件的小伙伴扫码可免费领取哦~
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。
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。
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。
若有侵权，请联系删除
总结
**总结文章：AI图片创成式填充在Stable Diffusion中的应用**本文详细介绍了如何使用Stable Diffusion实现图片的创成式填充，即在原有图片基础上进行横向或纵向扩展，同时保持与原图的高度契合。以下是主要步骤和关键点的总结：
**一、创成式图片处理效果展示**
- 展示了原图512*512大小经过横向扩展至1024*512和纵向扩展至512*1024的效果图。
**二、具体操作步骤**
1. **图生图图片上传与参数设置**
- 上传一张图片（示例为512*768）。
- 设置缩放模式为“缩放后填充空白”。
- 蒙版区域内容处理选择“原图”，重绘区域设置为“整张图片”。
- 选定采样器、设置迭代步数和扩展后的图片宽高（如1024*768实现横向扩展）。
- 调整重绘强度尽量高，以激发AI的想象力。
2. **ControlNet设置**
- 选择控制类型“局部重绘”。
- 使用预处理器“inpaint_only+lama”。
- 模型选择控制类模型，设置控制权重为1。
- 控制模式选择“更偏向ControlNet”，并确认缩放设置。
3. **编写提示词**
- 填写反向提示词避免生成图片太随意。
- 加入原发图片的正向提示词以提高契合度。
4. **大模型选择与图片生成**
- 根据需求选择大模型（写实或二次元），点击生成。
- 从生成的多张图片中挑选满意的结果。
**三、纵向扩展的补充说明**
- 若原图为512*512，建议先横向扩展至512*1024，再以此为基础进行纵向扩展至1024*1024。
**四、AIGC技术未来展望**
- AIGC技术在游戏和计算领域的应用前景广阔，将推动更高效、智能、灵活的系统发展。
- AIGC与人工智能技术的结合将在更多领域达到广泛应用，对技术发展具有重要影响。
**五、学习资源分享**
- 提供了SD安装包、插件以及相关学习资料（包含AIGC所有方向学习路线、必备工具、学习笔记、视频教程合集和实战案例）的扫码领取方式。
**总结**：本文通过实战操作，详细展示了如何在Stable Diffusion中利用AI进行图片创成式填充的技巧和方法，同时展望了AIGC技术的未来发展以及提供了丰富的学习资源链接。