继上节内容，我们探讨了Stable Diffusion的基础参数后，今天我们将继续深入学习更多高级参数，这些参数将帮助大家更精细地控制AI绘画过程，并提升画面效果。本文将详细讲解图片尺寸设置、高清修复、多张图片生成、提示词引导系数和随机种子等关键知识点。

一、图片尺寸设置

在AI绘画中，图片尺寸的设置至关重要，它直接影响到画面的布局和质量。

尺寸限制：Stable Diffusion在生成图片时，宽度和高度建议设置在512到768像素之间，以保持结构的基本正确。这是因为模型在训练时使用的图片尺寸是512像素乘以512像素，超出这个范围可能导致画面比例不协调或质量下降。
性能考量：更高的分辨率会占用更多的显存，对电脑配置有更高要求。例如，6GB显存的电脑在设置宽度和高度超过512像素时可能会遇到显存不足的问题。
构图关系：图片尺寸应与构图相匹配。512×512适合特写，512×768适合全身像，而更宽的比例如768×512则适合风景题材。

二、高分辨率修复

在AI绘画中，高分辨率修复是一个关键功能，它允许我们从较低分辨率的图像生成高清晰度的图像。

1、高分辨率修复的重要性

分辨率限制：Stable Diffusion在默认设置下，生成的图像分辨率有限，尤其在面部细节和整体清晰度上可能不尽人意。
提升质量：高分辨率修复通过增加图像的像素数量，改善画面的清晰度和细节，尤其是对于面部特征的精细刻画。

2、高分辨率修复的工作原理

放大图像：首先，将初始低分辨率图像放大到更高的尺寸，通常是两倍或更多。
添加噪点：在放大后的图像上添加噪点，模拟原始低分辨率图像的噪点状态。
去噪过程：利用Stable Diffusion的去噪能力，从添加噪点的高分辨率图像中生成清晰的图像。
细节恢复：通过上述过程，恢复和增强图像的细节，尤其是面部等重要部分。

3、高分辨率修复的参数设置

放大倍数：设置放大图像的倍数，常见的设置是2倍或3倍，但可以根据需要调整。
放大算法：选择合适的算法来处理放大过程中新像素的颜色赋值。对于三次元图像，推荐使用R-ESRGAN 4x算法；对于二次元图像，推荐使用R-ESRGAN 4x+ anime6B算法。
高分迭代步数：先设置15步保底，如果效果好无需提高，一般20步左右即可获得较好的效果。0则表示与迭代步数保持一致，
重绘幅度：控制添加噪点的密度，从而影响画面的修改程度。较低的重绘幅度主要用于细节修复，而较高的重绘幅度可能导致画面结构的大幅改变。

• **0.1-0.4：**基本保持画面结构，细节调整逐步增加 。
• **0.4-0.8：**画面大修，但还会参照之前的构图 。
• **0.8-0.9：**基本重画，与原画面几乎没关系了 。
• **1：**和原图没关系了，重画。

三、多张图片生成

在实际应用中，我们往往需要生成多张图片以供选择。

单批数量：一次生成多张图片可以提高效率，但会增加显存占用。根据电脑配置，可以适当调整单批数量。
总批次数：通过设置总批次数，我们可以控制生成图片的总数。例如，单批数量为4，总批次数为3，就可以生成12张图片。

四、提示词引导系数

提示词引导系数，Classifier-Free Guidance（CFG值）决定了图片受提示词影响的程度。

效果影响：CFG值越高，画面对提示词的刻画越用力。但过高的CFG值可能导致画面崩坏，因此建议保持在5到9之间。不要超过12，画面会崩。
过拟合问题：如果画面出现过度刻画的问题，可以适当调低CFG值。

五、随机种子

随机种子决定了初始噪声图的噪声分布，进而决定了生成图片的随机性。

固定与随机：设置为**-1**时，每次生成的图片都会有所不同。如果需要固定生成特定风格的图片，可以设置一个特定的随机种子值。
参数测试：固定随机种子可以帮助我们在改变其他参数时，准确观察画面的变化。

六、总结

学习完本节内容后，大家可以尝试以下练习：

制作一张横屏的风景图片和一张竖屏的人物肖像。
如果电脑配置允许，尝试开启高清修复功能，体验其对画面质量的提升效果。
尝试不同的CFG值，观察画面细节的变化。
通过调整随机种子，体验画面的随机性和可控性。

以上就是我们今天课程的全部内容。希望通过这篇文章，大家能够更深入地理解Stable Diffusion的高级参数，并将其应用到实际创作中。