ComfyUI图生图原理

一、文生图 vs 图生图：差在哪？

1.1 文生图（txt2img）

Empty Latent Image（空白潜空间）
        ↓
   KSampler（denoise = 1.0，从纯噪声开始去噪）
        ↓
   VAE Decode → 图片

• 没有输入照片；

• latent 里是「随机噪声 + 指定尺寸」；

• denoise 固定为 1.0（100% 重新生成）。

1.2 图生图（img2img）

Load Image（上传的照片）
        ↓
   VAE Encode（像素 → LATENT）
        ↓
   KSampler（denoise < 1.0，在原有 latent 上加噪再去噪）
        ↓
   VAE Decode → 新图片

• 有输入照片作为起点；

• 先在 latent 里「保留原图信息」，再按 Prompt 改写；

• denoise 决定改多少。

一句话：文生图从白纸开始；图生图从「已有草稿」开始改。

二、VAE Encode 是什么？

2.1 作用

VAE Encode 节点把 IMAGE（蓝） 压缩成 LATENT（粉），供 KSampler 在潜空间里操作。

文生图只用 Decode；图生图 Encode 和 Decode 都要用。

2.2 连线

Load Checkpoint → VAE（红）──→ VAE Encode → LATENT ──→ KSampler (latent_image)
Load Image    → IMAGE（蓝）──→ VAE Encode

VAE 必须与生成用的 Checkpoint 匹配（或该模型推荐的 VAE），否则颜色发灰、细节异常。

2.3 为什么不能 IMAGE 直接进 KSampler？

KSampler 的 latent_image 插槽类型是 LATENT，不是 IMAGE。
跳过 Encode 等于让「驾驶舱接错管线」——类型不匹配，无法连接或结果错误。

三、denoise 去噪强度详解

3.1 它控制什么？

在 img2img 中，KSampler 会先对输入 latent 按 denoise 比例注入噪声，再逐步去噪。

3.2 与 steps 的关系

• steps：去噪走多少步；

• denoise：起点离原图有多远。

同样 steps=30：

• denoise 高 → 每步变化大，整体偏离原图多；

• denoise 低 → 每步变化小，更贴原图。

经验：先定 denoise 定「改多少」，再调 steps 定「细不细」。

3.3 常见场景推荐

没有绝对标准，需 同图试 3 个值 对比（如 0.45 / 0.55 / 0.65）。

四、图生图完整数据流

[Load Checkpoint]
   MODEL ─────────────────────────────→ [KSampler]
   CLIP ──→ [CLIP+] / [CLIP-] ──→ COND ──→ [KSampler]
   VAE ──→ [VAE Encode] ←── IMAGE ←── [Load Image]
              │
              LATENT ──────────────────→ [KSampler] (latent_image)
                                              │
                                              LATENT
                                              ↓
                                        [VAE Decode] ← VAE
                                              │
                                              IMAGE → [Save Image]

与文生图的唯一核心差异：

1. 用 Load Image + VAE Encode 替代 Empty Latent Image；

2. KSampler denoise < 1.0。

五、分辨率与比例

5.1 Encode 后的 latent 尺寸

VAE Encode 会按 输入图片尺寸（及模型规则）生成 latent。
上传 1024×768 的图，KSampler 就在对应比例的 latent 上操作。

5.2 与文生图混用注意

• 不要随意在 img2img 中间换 Empty Latent 尺寸，除非你知道模型支持且工作流设计如此；

• SDXL 建议单边 ≥ 768；过小再放大易糊。

5.3 先缩小再 img2img？

大图占显存时，可先 Scale 缩小 → img2img → 再 放大。第 8 章会展开。

六、denoise = 1 时还算图生图吗？

技术上仍走 Encode 流程，但若 denoise=1.0：

• 原图 latent 信息被噪声基本覆盖；

• 结果主要由 Prompt + seed 决定，构图未必保留原图。

因此：

• 想保留构图 → denoise 务必 < 0.85，多数情况 0.5–0.7；

• 只想用原图尺寸或轻微参考 → 才考虑更高 denoise。

七、常见误解

八、参数实验（建议动手）

同一张图、同一 Prompt，固定 seed，只改 denoise：

记录结论，作为个人「洗图 denoise 表」。