老鹿學(xué)Ai繪畫：三種方法制作文字融入圖片效果
今天我們要分享的內(nèi)容視頻版如下，視頻已添加進(jìn)度條及配音，想要原視頻以及模型的鹿友公眾號后臺回復(fù)“464”獲?。?/p>
文中使用青椒云注冊地址：
http://account.qingjiaocloud.com/signin?inviteCode=WGJA3KHJ
邀請碼: WGJA3KHJ（注冊可領(lǐng)取優(yōu)惠券）
以下是圖文版內(nèi)容：
正文共：3267字 45圖
預(yù)計(jì)閱讀時(shí)間：9分鐘
今天要分享的內(nèi)容是最近很火的這種文字融入圖片效果：
這個效果當(dāng)時(shí)看到群里發(fā)出來的時(shí)候，我正在川西旅游，本想著回來之后試試寫一下，結(jié)果回來之后發(fā)現(xiàn)網(wǎng)上已經(jīng)有教程了：
后來又一直很忙，一直拖到現(xiàn)在快一個月了，還是寫一下吧，算是個了結(jié)。
我這里總結(jié)了三種方法，前兩種方法網(wǎng)上已經(jīng)有很多教程了，最后一種方法是我自己研究的，不太好，也算是一種思路吧！
好了，廢話不多說，讓我們看看如何制作這種文字融入圖片的效果吧！
01
前言及準(zhǔn)備工作
雖說是三種方法，其實(shí)大體思路都差不多，都需要借助SD的Controlnet，只不過用到的模型不一樣。
前兩種方法文生圖和圖生圖都可以，最后一種只能用圖生圖，我這里就統(tǒng)一用圖生圖來演示吧。
首先我用文生圖生成了這樣三張夜景圖：
然后再用Ps制作了這樣三張黑底白色的文字圖，這里有兩點(diǎn)提醒大家一下，首先文字可以適當(dāng)高斯模糊一樣，這樣邊緣不會太銳利。
其次文字的構(gòu)圖最好要參考一下你要融入的圖片，特別是人物圖，否則可能需要頻抽卡才能得到比較滿意的效果。
我這里是夜景圖，就簡單的把文字做了一下透視：
打開SD，在圖片信息里載入夜景圖獲取它的提示詞信息，然后直接發(fā)送到圖生圖：
大模型我用的是Realistic Vision，這是C站下載量最高的一款寫實(shí)類模型，也是我最常用的一款，目前已經(jīng)更新到V5.1版本了：
模型下載地址：
做這種效果有一定的隨機(jī)性，不要忘記保持隨機(jī)種子為-1，方便抽卡：
02
使用Tile模型制作
第一種方式是使用Controlnet Tile模型制作，這個是Controlnet 1.1新增的一個模型。
模型以及預(yù)處理器在上一篇Controlnet通用參數(shù)的文章中已經(jīng)分享給大家了，各位鹿友可以自行去獲?。?/strong>
這個模型最大的特點(diǎn)是它會根據(jù)你在Controlnet中輸入的圖片信息在原圖中繪制新的細(xì)節(jié)。
因此它通常用于放大圖像，后面的文章我也會給大家分享我在工作中常用的兩種批量放大圖片的方法：
回到SD中，先把文字圖拖進(jìn)Controlnet里，勾選啟用和完美像素：
控制類型選擇Tile，這個模型有三種預(yù)處理，分別是顏色覆蓋、顏色覆蓋加銳化，重采樣。
前面兩種我測試過，由于我們輸入的文字圖是黑底的，使用顏色覆蓋生成的圖像會很暗。
因此我們就選擇重采樣這種方式就好，爆炸圖標(biāo)點(diǎn)不點(diǎn)都沒關(guān)系：
先直接生成一張圖看看，你會發(fā)現(xiàn)文字過于清楚，畫面變黑了：
這是因?yàn)門ile的影響太大了，我們可以適當(dāng)?shù)恼{(diào)整權(quán)重以及開始和結(jié)束控制的介入步數(shù)。
這三個參數(shù)的數(shù)值不是固定的，和你的原圖有關(guān)，大家實(shí)際操作中可以自行測試：
當(dāng)我們適當(dāng)調(diào)整參數(shù)以后，效果就好多了：
不過你可能會發(fā)現(xiàn)生成的圖和原圖差別比較大，這是由于我們圖生圖的重繪幅度過高導(dǎo)致的：
如果你希望生成的圖像盡量和原圖相似，可以適當(dāng)?shù)慕档椭乩L幅度：
但需要注意的是降低重繪幅度也會降低Tile對生成圖的影響，我們前面也提到了，Tile會繪制新的細(xì)節(jié)，重繪幅度降低了當(dāng)然影響就弱了。
因此如果希望生成圖和原圖保持一致，就需要低重繪幅度高權(quán)重，反之同理，我這里將權(quán)重提高到了0.8，感覺是我想要的效果：
Tile還有一個降低采樣率的參數(shù)，這個數(shù)值越高，重繪的細(xì)節(jié)越少：
最后放大圖看看效果吧：
03
使用第三方模型制作
第二種方法是使用兩種第三方訓(xùn)練的Controlnet模型。
第一款在C站上的名字叫Lighting based picture control controlnet，在抱臉網(wǎng)上的名字叫illumination：
第二款在C站的名字叫Brightness：
這兩個名字很相似，Illumination是照明，Brightness是明亮度，兩個模型可以單獨(dú)使用。
相比于Tile模型，這兩款模型更偏向于制作光影的效果，下面是chatgpt對它們的區(qū)別解釋：
這兩款模型可能是同一個團(tuán)隊(duì)訓(xùn)練的，文后我也會把這兩款模型分享給大家：
使用的思路方面是Tile模型是一樣的，首先是Lighting based picture這個模型。
載入文字圖片，預(yù)處理器這里選擇無，模型選擇Lighting based picture：
注意，我現(xiàn)在的重繪幅度是默認(rèn)的0.75，直接點(diǎn)擊生成看一下，同樣畫面變得很暗，文字過于清晰：
因此同樣調(diào)整參數(shù)，權(quán)重0.35，開始和結(jié)束控制的介入步數(shù)分別是0.2和0.9，效果就好多了：
同樣的如果你希望畫面盡量保持不變，就需要降低重繪幅度，然后提高Controlnet的權(quán)重：
放大圖片看看效果吧：
至于Brightness模型也是一樣，無非就是測試這三個關(guān)鍵參數(shù)，預(yù)處理器選擇無就行：
這個是Brightness放大后的效果：
04
使用Depth+輪廓類模型制作
這是我自己研究的方法，只能用于圖生圖，并且可控性不高，隨機(jī)性很大，大家僅做了解吧！
首先通過圖片信息功能，在提示詞欄位輸入和生成圖相同的題詞：
在文生圖輸入欄位把原圖替換為文字圖：
再在Controlnet中載入夜景圖，模型選擇深度圖，預(yù)處理器用最精準(zhǔn)的depth leres++，爆炸一下：
默認(rèn)重繪幅度0.75，點(diǎn)擊生成你會發(fā)現(xiàn)圖片變暗了，文字識別也不太準(zhǔn)確。
圖片變暗是由于圖生圖識別的是輸入圖的顏色信息，圖片大部分是黑色，所以會變暗。
而文字識別不太準(zhǔn)確是因?yàn)殡m然圖生圖能讀取顏色信息，但0.75的重繪幅度足以讓生成圖與原圖產(chǎn)生較大的差異，并且設(shè)置中沒有能固定文字的設(shè)置：
因此我們需要再加入一個能固定文字形態(tài)的控制，比如在第二個Controlnet中加入一個SoftEdge軟化邊緣的模型，預(yù)處理器我這里選擇的是SoftEdge hed：
權(quán)重可以適當(dāng)降低一點(diǎn)，然后就開始抽卡，你會發(fā)現(xiàn)圖片很暗并且文字過于清晰。
這是是由于重繪幅度還不夠?qū)е碌?，因?yàn)檫@次我們是直接在圖生圖中輸入的是文字圖：
這種方法的思路是在Controlnet1.1之前，幾乎沒有模型能夠識別圖片的顏色信息。
因此我們可以借助圖生圖識別圖片顏色信息的功能告訴SD什么地方是亮的，同時(shí)用Depth模型控制深度關(guān)系，最后再用輪廓類的模型來進(jìn)一步限制文字的外形。
我們可以再次提高重繪幅度，然后抽卡得到一個感覺還不錯的效果：
不過這種方法最大的問題是可控性比較差，你可能需要多次抽卡才能得到一張比較滿意的圖，并且由于重繪幅度高，所以生成圖與原圖的差異也比較大。
最后圖片放大看看效果吧：
以上就是今天想要分享的所有內(nèi)容。
如果覺得對自己有所幫助，請不要吝嗇自己的點(diǎn)贊、點(diǎn)在看、轉(zhuǎn)發(fā)朋友圈，你們的支持對我很重要，謝謝！
更多內(nèi)容歡迎關(guān)注公眾號：
本文由“野鹿志”發(fā)布
轉(zhuǎn)載前請聯(lián)系馬鹿野郎
