这期拖了很久，原因是上上周突然阳了，以为好了很快就能继续上教程，但是刚好那段时间是真的虚，所以只能继续休息一周，现在好多了！可以继续出教程啦！
另外说一下教程的规划。这期内容出完后，基本上基础的教程也算是出完了，后面开始出一些进阶的教程，欢迎关注哦！
还有我公众号也开始整起来了，排版美观很多！查找也方便！后续我还会将不同的教程整合起来，更方便大家查询。公众号名字与我贴吧同名，AI绘语，欢迎大家来捧场！
好，下面开始这期的内容

一、txt2img 标签页
这个标签页的更多内容详见第二期，点开我的主页就可以找到第二期内容。以下是对该页面的一些补充。
1、“generate” 下的按钮
从左往右：
第一个：点击后自动使用上一次生成图片的参数设置填充所有参数，需要注意的是，种子值会自动固定，因此你需要将种子值手动调整为 -1 才具有随机性。
第二个：垃圾筐图标，删除当前的 prompt 和 negative prompt
第三个：通过点击这个图标可以选择 hypernetworks（超网络）, embeddings （嵌入）或 LoRA 等模型插入 prompt 或 negative prompt 中
第四个：将一种已保存的风格进行应用。会添加相应的风格到 prompt 和 negative prompt 中，这种风格需要你提前设置并保存。
第五个：保存一种设定的风格。点击后会将当前的 prompt 和 negative prompt 保存为一种风格，需要自定义风格名称。
2、图片预览框内的按钮
从左往右：
第一个：打开输出文件夹，然而，有时候点击会没反应
Save：保存当前选中的图片，如果选择图片网格会保存所有图片。点击后弹出下载框，再点击 Download 即可
Zip：打包所有图片并弹出一个下载框。同样的，点击 Download 即可下载打包好的图片
Send to img2img：顾名思义，就是会把当前选中的图片发送到 img2img 标签页下以进行后续的操作
Send to inpaint：将当前选中的图片发送到修复标签页，该标签页也在 img2img 标签页下
Send to extras： 将当前选中的图片发送到 extras 标签页，可以进行超分放大等操作
总

大佬加油，最近贴吧AI的帖子多起来了

二、img2img 标签页
"img2img" 标签页是专为处理图像到图像的任务而设计的。这个标签页主要包括进行图像修复、图像风格转换以及一些其他图像变换操作。
1、img2img
在这个标签页你可以生成与原图构图类似的图片，具体的内容会根据你的 prompt 的变化而变化。
第一步：将需要进行图生图操作的图片拖拽到 img2img 页面下或点击空页面上传
第二步：更改 width 和 height， 使之与原图匹配，在以上的例子中我使用512x768的比例
第三步：设置采样器 sampler 和采样步骤 sampler steps，在这里我使用 DPM++ 2M Karass 采样器并设置采样步骤为 15 步
第四步：设置 batch size 或 batch count 为 4
第五步：写下 prompt，在这里我使用的 prompt: a digital painting of a dragon, chinese dragon, highly detailed, intricate details, clear eyes, teeth, glowing dragon scales（电子绘画的龙，中国龙，高度细节，复杂细节，清晰的眼睛，牙齿，闪光的龙鳞）
第六步：生成图片，设置不同的重绘幅度 denosing strength，然后重复生成寻找最佳的生成条件，以下是固定种子使用不同 denosing strength 的结果：
随着重绘幅度的提高，内容与原图的差距逐渐增大，与 prompt 的描述逐渐接近，因此在实际操作过程中需要多次测试，寻找一个最佳的平衡点。
另外，这个标签页下的许多设置都与 txt2img 相似，不再赘述。下面介绍一下 txt2img 标签页下没有的参数。
Resize mode 下面的四个选项：
如果你想生成与原图尺寸不同的图片，那么这个设置就有作用。
原图尺寸为512x768，假如现在我想生成512x512的图片，以下使用不同设置的对比图：
Just resize (latent upscale) 这个没测，因为我的显存只有4G，没办法使用。但是根据别人的测试，这个设置并不好用。
观察以上三个图片的对比，可以看出 Crop and resize 是最理想的，事实上在进行更多的测试后也发现，如果要更改图片尺寸，更佳的设置就是 Crop and resize，只有这个设置才能保持原来的图片构图。因此推荐在使用时将 Resize mode 设置为 Crop and resize。
Denosing strength：重绘幅度，控制图像的变化程度大小，数值为0没有任何变化，随着数值的提高变化越来越大，变化趋向于接近 prompt，远离原图的方向。数值为1则与原图没有任何关系，完全使用 prompt 生成图片，与 txt2img 标签页下的文生图过程别无二致。
2、Sketch
Sketch（素描），顾名思义就是根据自己画的内容生成一张与之相对应的图片。有两种使用方法，一种是从空白的画布从零开始画，另一种是在已有的图片上进行微调，有点类似于修复操作，但有区别。
空画布作画：
第一步：上传一张纯色背景图片，我使用的是512x512的纯白色图片。
第二步：在白色背景板上作画
第三步：写 prompt
第四步：设置各项参数
第五步：生成多张图片查看效果
示例如下：
Prompt: a wooden house in the forest, blue sky, green trees, flowers around the house（一个在森林中的木屋子，蓝天，绿树，环绕房子的花）
图片微调：
比如我想给猫更换一个背景，那么我只需要配合prompt，画一些树当做背景即可，结果如下图：
Prompt: a cat, outside, forest, blue sky, cloud（一只猫，外景，深林，蓝天，云朵）
3、Inpaint
也许 img2img 选项卡中最常用的功能就是 inpainting，也就是我们常说的修复功能。当在txt2img选项卡中生成了一张你很喜欢的图像，可能这是你很喜欢的构图，你不希望在重新生成的时候改变它，这时候 inpaint 就非常有用，因为它可以仅改变你希望改变的区域。
第一步：生成一张图片，发送到 inpaint 界面
第二步：使用画笔画出需要改变的区域
第三步：修改 prompt
第四步：设置参数
重要参数设置：
Denoising strength: 从0.75开始调整
Mask content: original
Mask mode: Inpaint masked 这个设置保证了仅改变画笔覆盖的区域
第五步：生成图片
以下是个例子，给人物添加了一个项链，但是对人物的其余部分并不会产生影响
4、Inpaint sketch
在使用 Sketch 涂抹图片在重新生成的时候，你会发现整个图片的内容都会发生很大的变化，如果你只希望在需要的地方添加某些东西，Sketch 就无能为力了。Inpaint 可以改变特定区域的内容，但是不能指定生成的内容。Inpaint sketch 则实现了Inpaint 和 Sketch 功能的混合，你可以像使用Sketch 那样使用它，但又具有 Inpaint 的功能，即只会影响画笔涂抹过的地方。
5、Inpaint upload
上传一个蒙版文件而不需要你在sd webui中进行绘画，通常用的很少。
6、Batch
批量处理图片的工具。

三、Extra 标签页
我通常在此页面下进行图片的超分放大操作。
1、single image
选择单张图片然后对这个图片进行超分放大。
第一步：拖拽或者点击选择一张图片
第二步：设置参数，通常的图片使用 R-ESRGAN 4x+ 即可，二次元则使用 R-ESRGAN 4x+ Anime6B。下面简单介绍一下各个按键的功能。
Scale by: 选择放大倍数，默认4倍，即512x512的图片放大后尺寸为2048x2048。
Scale to: 选择放大至某个设定尺寸，为了不影响图片质量，默认都需要勾选 Crop to fit。
Upscaler 1: 选择放大模型，其中lanczos 和 nearest 是比较老的模型，不咋强大。ESRGAN, R-ESRGAN, ScuNet 和 SwinIR 是AI放大模型，最为常用，也是效果很好的模型。当然你还可以自己下载更多超分放大模型，放在 stable-diffusion-webui\models\ESRGAN 目录下。模型的下载地址：https://upscale.wiki/wiki/Model_Database
Upscaler 2: 配合 Upscaler 2 visibility 使用，能够混合两个放大模型的效果。Upscaler 2 visibility 的值越大，Upscaler 2的效果越强
GFPGAN visibility: GFPGAN是一个脸部修复模型，在放大之后能够对人物的脸部进行修复，设定的值越大效果越强。建议在人物脸部比较模糊的时候使用。
CodeFormer visibility: Codeformer 也是一个脸部修复模型，设定的值越大效果越强。两个脸部修复模型可以只使用一个。
CodeFormer weight: 调整 Codeformer 的权重，需要注意的是，这个设定值越大效果越弱。
第三步：点击 ”generate” 生成图片
以下是使用不同超分放大模型的效果：
（点击以查看大图）
对于放大人物脸部，我认为 4x_CountryRoads 的效果是最好的，因为它最还原。需要注意的是 4x_CountryRoads 不是 SD webui 内置的模型，需要额外下载，你可以在我上面提供的模型下载链接中找到。
2、Batch process
即批量处理功能，可以选择多张图片进行批量放大。
3、Batch from directory
也是批量处理工具，选择一个文件夹，然后会根据设定的参数自动处理文件夹内的所有图片，最后输出到指定文件夹。

四、PNG info 标签页
通过使用 PNG info 标签页，你能够快速获取到生成的图片的详细参数。这些参数包括所使用的 prompt、采样器类型、采样步骤数、种子值、CFG 以及所使用的模型等。这样，你可以清晰地了解到每一张生成的图片背后所包含的信息。
然而，需要特别注意的是，这个功能仅适用于通过 SD webui 生成的图片。对于通过网络下载或其他途径获取的图片，PNG info 可能无法正确识别并提取其参数。
以下是个例子：
第一步：拖拽或选择一张 SD webui生成的图片
第二步：很快右边界面就会出现该图片的生成参数，如下图所示：
第三步：使用下边的send to txt2img 或者发送到其它标签页就可以对该图片进行快速编辑。

五、Checkpoint merger
SD webui 的 Checkpoint merger （模型合并）功能是一个高级工具，它能够将两个或多个模型融合在一起，最多可以同时组合三个模型以创建一个全新的模型。这种功能主要用于混合不同模型的特色风格，以产生独特的视觉效果。
然而，虽然模型合并能带来全新的可能性，但它的结果并不总是如我们所期望的那样。由于模型间的训练数据、策略以及结果各异，模型合并后可能会产生一些不尽如人意的结果，比如生成的图像可能比任何单一模型的输出都要模糊或者不清晰，或者产生一些不理想的视觉效果。
因此，模型合并虽然是一个有趣且富有创造性的工具，但也需要具备一定的技巧和尝试精神，逐步探索并找到最适合自己的模型组合。
下面是对各项参数的介绍：
Primary model (A): 选择的第一个模型
Secondary model (B): 选择的第二个模型
Tertiary model (C): 选择的第三个模型
Custom name: 自定义名称。在这里设定新生成的模型名称
Multiplier: 相乘系数。设定为0输出的模型与A模型完全相同，值越大B模型的权重越大
Interpolation method: 插值方法。包括三种方法。
No interpolation: 只能输入一个模型A，能够转换模型格式以及给模型插入VAE
Weighted sum: 权重相加。接受输入A和B两个模型，能够混合两个模型，调整Multiplier的值影响混合效果。混合公式：A x ( 1-M ) + B x M
Add difference: 添加差异。接受输入A、B和C三个模型，调整Multiplier的值影响混合效果。混合公式：A + ( B - C ) x M
Checkpoint format: 模型格式。在这里选择输出模型的格式。要发布的模型建议使用safetensors，自用模型使用 ckpt
Sava as float16: 保存为半精度模型。勾选上可以节省储存空间。单精度和半精度模型的实际效果其实肉眼几乎不可辨，建议最后输出时勾选
Bake in VAE: 这里选择插入的VAE模型，根据需要选择是否添加

六、Train
在这个界面可以训练新的模型。由于我电脑配置不足以支撑进行模型训练，所以这部分内容暂时搁置，有机会再补上。

这期的内容暂时先发到这，后期发现有遗漏我再补上。
下期出个特别期，教大家如何使用 SD webui 画出著名啮齿类动物 “
鼠鼠
我鸭”！顺便还能学习插件的使用方法。一举两得，欢迎关注哦！