第一次做图像修复的时候我拿到的任务特别朴素一张产品图左下角压着一个半透明的水印客户说“帮我把它去掉背景花纹别动”。我当时想当然地圈了个框提示词写了个“clean background”denoising strength 直接拉到 0.9点下生成。结果出来那张图水印确实没了但原本那一片规则排列的暗纹也被抹成一坨模糊的色块整个角落跟周围完全不是一个世界。那一刻我才明白Stable Diffusion 的 Inpainting 从来不是“橡皮擦”它更像是一个“拿着你给的线索重新把这块地方画一遍”的画师。你给多少线索、留多少余地、提醒它周围长什么样决定了最后是修补还是毁坏。这篇内容我想聊的就是这套“指挥重绘”的方法论。Inpainting图像局部重绘在 Stable Diffusion 体系里属于最容易上手、也最容易翻车的功能之一界面就三个东西——掩码、提示词、重绘强度看着比文生图还简单。但真正决定成败的是掩码精度、模型的修复能力、上下文一致性这几个隐性变量。适合谁看如果你已经能跑通基础出图但一到“去物体、补缺口、换局部材质、修手修脸”就开始出现接缝、色差、糊块那这篇基本就是为你写的。下面我按照自己踩坑的顺序从原理到参数从掩码到模型一块一块拆。1. 先搞清楚重绘到底在“重画”什么很多人把 Inpainting 理解成“在图上打补丁”这个心智模型从第一步就错了后面所有参数调不好都跟它有关。扩散模型的重绘本质是只对掩码区域内、位于潜空间中的那部分张量重新执行去噪而掩码外的区域作为已知条件被锁定。理解到这一层你才会明白为什么掩码边缘的半个像素会直接毁掉整个结果。1.1 潜空间分辨率决定了“精度天花板”Stable Diffusion 不是在像素空间干活的。一张 512×512 的图先进 VAE 编码成 64×64×4 的潜变量UNet 全部运算都在这个 64×64 的格子上完成最后再解码回 512×512。这意味着什么意味着你在原图上画的一根 2 像素宽的掩码边到了潜空间连一个格子都占不满一个 5 像素的小洞可能直接就消失了。我做过一个很直观的对比实验在同一张 1024×1024 的图上分别在人物脸部画 20 像素、50 像素、100 像素宽的掩码圈denoising 都设 0.6同一组提示词。结果 20 像素那组几乎没有变化——掩码在潜空间缩到 128×128 后20 像素只剩 2.5 格边界信息全被平均掉了模型根本不知道你要改哪里。50 像素那组开始有反应但边缘过渡很脏。100 像素那组才真正干净。所以有个很实用的经验值掩码的最小有效宽度大约是出图分辨率的 1/8 到 1/10。512 出图对应 50 像素以上1024 对应 100 像素以上。如果你要修的东西本来就很小比如一颗扣子、一个Logo正确做法不是硬画小掩码而是先把图放大到 2 倍分辨率再处理或者干脆切成局部块放大后单独修。提示如果你在用 WebUI 类的界面注意界面上显示的画布尺寸可能和你实际送到模型的分辨率不一致尤其是开了“自动缩放”或者“保持宽高比”的时候。送进去之前一定要确认最终分辨率不然掩码的有效宽度算不准。1.2 专用修复模型和通用模型的差别在哪这是第二个高频误区。很多人以为 Inpainting 模型就是“更擅长修复的模型”其实差别在输入通道的数量。通用模型吃的是 4 通道潜变量专用的重绘模型额外接收了掩码信息和被掩码覆盖后的图像信息UNet 的第一层卷积从 4 通道扩成了 9 通道4 通道噪声潜变量 4 通道被掩码图像 1 通道掩码。多出来的这 5 个通道让模型能明确知道“这里是空的我要在这里画”同时看到“被盖住之前的原始像素长什么样”。这就带来一个很实质的差异通用模型配合掩码做局部重绘时经常会把边缘的上下文“忘记”容易出现颜色断层专用重绘模型因为直接看到了原始像素在色彩衔接和纹理延续上的表现明显更稳。但专用模型也有代价。它通常是基于某个基础版本单独训练的风格覆盖面和通用模型的生态各种微调权重、风格权重不完全兼容。我的实际用法是结构性修复、去物体、补背景这类任务走专用重绘模型风格化改造、换材质、换风格这类任务走通用模型加微调权重。两者的取舍逻辑不一样下面第 4 节会详细展开。1.3 “锁定区域”其实也在被影响这是最反直觉的一点。你可能会觉得掩码外的地方既然被锁定了就绝对不会变。理论上如此实际上有三条路径会让它变VAE 的往返损失。编码再解码这一趟全图都会有一次轻微的重构误差尤其是高频细节细纹、文字边缘。所以哪怕你什么都不改只是过一遍重绘流程掩码外也可能出现极轻微的软化。潜空间的下采样。掩码边界在 64×64 的格子上是锯齿状的边界上的那一个格子属于“半遮半掩”模型会把它当成混合区域处理于是边缘内外都会有一点渗透。采样器的全局噪声调度。部分采样器在每一步都会对整张潜变量做处理边界一致性依赖模型自己学出来的能力。明白了这一点你就能理解为什么“掩码要膨胀几个像素”不是玄学而是必需操作。因为边缘那圈像素本来就不可能完美与其让模型在边界上硬拼不如主动把这几像素交给模型让它顺着上下文自己补一段过渡。2. 掩码画得好不好直接决定成品像不像“修补”我见过太多人把时间全花在调提示词上掩码随手一拉就完事然后抱怨“SD修出来总是有白边”。事实上在我自己的项目里掩码的处理大概占了整个流程 50% 的工作量。提示词写歪了多试几组就能救回来掩码画错了参数怎么调都是徒劳。2.1 膨胀与羽化两个必须做的动作掩码膨胀dilate指的是把白色区域向外扩张若干像素。为什么要扩张因为要修的物体它的边缘往往有半透明的过渡、投影、抗锯齿像素你手工圈的边界几乎一定会留一圈“残影”。把掩码往外扩 5~15 像素让模型把这一圈过渡也一起重画残影才会彻底消失。羽化feather / blur指的是让掩码边缘从纯白渐变成纯黑形成一个软过渡带。这一步是解决“硬接缝”的关键。想法很朴素如果掩码边界是硬切的一刀模型在这条线两侧的生成逻辑会突变出来就是一条能看出来的缝如果边界是渐变的模型在过渡带里会做加权混合视觉上就自然了。操作建议幅度以 1024 出图为例作用做过头会怎样膨胀 dilate8~20 像素吃掉物体边缘的残留过渡周围不该改的内容被重画结构走样羽化 blur4~10 像素消除硬接缝掩码核心区被削弱改动幅度不够二值化阈值0.5 左右让软掩码重新变干净阈值太高掩码缩水太低范围失控这两个动作的先后顺序也有讲究先膨胀后羽化。反过来的话羽化已经把边缘变软了你再膨胀等于把一片灰色区域往外推模型对“哪里算要改”的判断会变得模糊。2.2 掩码的方向和颜色要确认清楚不同工具对掩码通道的定义不一样有的是“白色区域被重绘”有的是“白色区域被保留”还有的读的是 alpha 通道。我在一个项目里就吃过这个亏在一套流程里习惯了白重绘换到另一个界面后没检查结果模型把整张图重画了一遍、只留了那个小方块出来一张诡异的图。落地建议很简单每次换工具或换工作流先用一张小图做一次 30 秒的验证。画个明显的方块提示词写个完全不同的内容比如原图是木桌你写“蓝色塑料”跑一次看看变的是哪块。这个动作花不了多少时间但能省掉后面一堆莫名其妙的排查。另外灰度掩码是个被低估的利器。纯二值掩码是“改 / 不改”的开关而灰度掩码是“改多少”的旋钮。比如你要弱化一个物体而不是彻底删除可以给它一个 0.5 左右的灰度或者你想让某个区域只做轻微的色彩调整灰度掩码配合低 denoising 效果会非常细腻。这套用法在老手圈子里挺常见但入门教程里基本不提。2.3 大块区域的“化整为零”策略要修的面积一旦超过画面的 30%一次性重绘的成功率会断崖式下跌。原因很实在模型需要上下文来推断该画什么掩码越大可用的上下文占比越小它就越是“自由发挥”于是结构崩坏、透视错乱、纹理不连贯全来了。我在处理一张大幅海报背景替换时总结出的做法是分块递进先把大区域拆成 3~4 个互相重叠 15%~20% 的小块逐块处理每块都用已经修好的结果作为下一块的上下文。重叠是必须的因为重叠区提供了连续性锚点避免块与块之间出现明显的“拼图痕”。另一个思路是先低强度铺底再高强度细化。第一轮用 denoising 0.45 左右让整块区域有个大致合理的色彩和结构第二轮再缩小掩码、提高强度去雕细节。这两轮下来的效果通常比一次性 0.85 强得多而且中途每一轮你都有机会检查、微调。3. 重绘强度这道“油门”踩多少要看你想改什么如果说掩码决定“改哪里”那 denoising strength 就决定“改多少”。这个参数的区间是 0 到 1数值越大模型越不理会原始像素、越倾向于从噪声重新生成。它是整个流程里最需要手感的一个也是最容易被“凭感觉乱拉”的一个。3.1 四档强度对应的实际效果我把常用的区间整理成了一张表这些数值是我在自己几十个项目里反复验证后收敛出来的可以直接拿去当起点强度区间典型用途原图保留程度常见风险0.25~0.40去轻微瑕疵、去小水印、微调色偏高结构几乎不变改动不足残影去不干净0.40~0.55换局部材质、去中等物体、修补破损中高轮廓保留边缘可能残留原物轮廓0.55~0.75换内容、补大面积缺失、换背景元素中低只保留大致布局透视和光影容易跑偏0.75~0.95完全重构该区域低基本自由生成与原图风格脱节需要强提示词约束有个细节值得单独提0.4 到 0.55 这一段是最微妙的。低于 0.4模型基本是在原像素上加噪声再还原效果接近“高级磨皮”高于 0.55它开始真的重画。很多人觉得“修得不彻底”就是卡在 0.45 这个位置——想改但又没改透。这时候正确的做法不是无脑往上加而是先检查掩码是不是太小很多“改不动”的案例其实是掩码没盖住目标。3.2 迭代低强度优于一次高强度这是我这些年最有价值的一条心得。假设你要把一张图里的人物衣服从棉质换成皮革直觉做法是掩码圈住衣服、denoising 给 0.8、提示词写“leather jacket”一把梭。结果往往是衣服质感是变了但褶皱结构全没了整个人看起来像被重新捏过。我的做法是拆成三轮第一轮 denoising 0.45提示词只写“fabric texture, dark tone”目的是保住原有褶皱和轮廓只把材质基调换掉。第二轮 denoising 0.55提示词加上“leather, glossy surface”开始引入皮革的反射特征。第三轮 denoising 0.35提示词写“fine grain, seam detail”做最后的质感细化。三轮总耗时比一次多不了多少但结构稳定性完全不是一个量级。原因在于每一轮的起点都是“上一轮已经基本合理的图”模型每次只需要承担一小步改动误差不会累积放大。这个思路可以套用到几乎所有 Inpainting 任务上尤其是人物、建筑这类对结构敏感的对象。注意迭代的时候每次都要重新生成掩码不要复用上一轮的掩码文件。因为上一轮的结果里边缘已经产生了新的过渡像素用旧掩码会二次切割接缝会越来越明显。3.3 强度和分辨率是联动的很多人忽略了一个事实同样的 denoising 值在不同分辨率下的实际改动幅度是不一样的。分辨率越高潜空间的格子越多模型能“看到”的细节越丰富同样强度下它倾向于做更保守的局部调整分辨率越低每个格子覆盖的原图像素越多一点改动就会波及很大一片。实测下来512 出图时 0.6 的强度大概相当于 1024 出图时 0.68 左右的观感。所以你在低分辨率上试出来的“黄金参数”搬到高分辨率上往往偏弱需要往上补 0.05~0.1。这个换算不是精确公式但作为调节方向是靠谱的。4. 模型怎么选修复任务和创作任务是两条路Inpainting 的模型选择比文生图更讲究因为这里的评价标准不是“好不好看”而是“像不像原来那张图的一部分”。这两件事对模型的要求完全不同。4.1 结构修复优先还是风格一致优先我通常先问自己一个问题这块区域的最终结果是要“骗过眼睛”还是要“表达创意”如果目标是骗过眼睛——去水印、去除路人、修补破损、填补被裁掉的边缘——那核心诉求是上下文一致性光影方向要对、噪点颗粒要匹配、景深要延续、色温不能跳。这类任务我优先用专用重绘模型因为它的 9 通道输入天然带着原始像素信息接色和接纹理的稳定性更高。如果目标是表达创意——换衣服、换发型、换背景元素、加装饰——那核心诉求是生成质量和风格匹配上下文一致性反而可以适当让步。这类任务我更倾向用通用基础模型配上风格微调权重生成质量上限更高风格库也更丰富。有一类任务介于两者之间换人物表情、换手部姿势。它既要求结构合理手指数量、关节角度又要求风格一致皮肤质感、光照。我的经验是先用专用重绘模型把结构调整到位再用低强度的通用模型过一遍统一质感。两步走比一步到位稳。4.2 分辨率和训练分布的错配问题有个坑特别隐蔽专用重绘模型很多是在 512 分辨率上训练的。你直接拿它去跑 1024 的图它可能也能出图但修复质量会明显下降表现为边缘发虚、细节不足、局部模糊。这不是参数问题是分布错配。解决办法有两个。一是老实用 512 处理出图后再用放大流程补分辨率二是用支持高分辨率的版本但要先做小图测试确认效果。我一般会做一次对照同一张图、同一掩码、同一提示词分别在 512 和 1024 下跑肉眼比一下边缘和细节。如果 1024 明显更糊那就说明模型不吃这个分辨率乖乖降回去。另一个容易忽略的点是宽高比。训练分布通常集中在 1:1、4:3、3:2 这几个比例附近。你要处理的图如果是 21:9 这种极端比例模型在处理边缘区域时表现会变差容易出现重复纹理或者结构拉伸。处理这类图的稳妥做法是先补成接近标准比例修完再裁回去。4.3 风格权重在修复任务里的正确用法风格微调权重大家常说的那类小型附加权重在 Inpainting 里是一把双刃剑。用得好能让修复区域和原图风格严丝合缝用过头会把修复区域变成“另一个画风”。我的用法是权重减半。文生图时用 0.8 的权重在 Inpainting 里我就用 0.35~0.45。理由是修复区域本来就小风格权重的特征注入在这个小范围里会被放大权重太高会直接把整块区域染成那个风格跟周围格格不入。还有一个技巧如果你要修的区域紧挨着某个特定材质比如紧挨着金属边缘修一块塑料可以在提示词里显式描述相邻材质比如“next to brushed metal, matching specular highlight”。模型对这类“关系描述”的响应其实相当不错比单纯堆砌形容词有效。5. 提示词不是写作文是给模型画“施工图”Inpainting 的提示词写法和文生图有个根本区别文生图是“从零描述一张画”Inpainting 是“描述一块拼图该长什么样还要和周围拼上”。前者可以天马行空后者必须克制、具体、有参照。5.1 只描述“该出现什么”不描述“原图有什么”这是最常犯的错误。很多人会写“a photo of a room with a wooden table, remove the bottle”。模型不会执行“remove”这种指令它只会往掩码区域里画东西。你写“bottle”它就更可能画一个瓶子出来。正确写法是只描述掩码区域应该呈现的内容。要删掉桌上的瓶子提示词就写“wooden table surface, wood grain, soft shadow”——描述瓶子消失后本该露出来的桌面。这个思路转换听起来简单但真的能解决一大半“删不掉”的问题。我一般会把提示词组织成三层第一层主体是什么比如“wooden table surface”。第二层材质和细节比如“oak grain, slight wear marks”。第三层环境和光照比如“soft window light from left, warm tone”。三层写完基本就能覆盖模型需要的全部信息。至于负向提示词我习惯固定加一组基础项模糊、低质量、多余物体、文字、水印。这几项在修复任务里特别有用因为模型在局部重绘时容易“手痒”加东西。5.2 用“参照物”约束光影和视角局部重绘最容易翻车的地方不是主体画得丑而是光影方向对不上。原图光从左上来修出来的区域光从右边来一眼假。提示词里明确写光照方向能解决很大一部分比如“light from upper left”“shadow cast to lower right”。更狠的一招是在提示词里直接引用画面上已有的元素做参照。比如“matching the shadow direction of the chair on the left”“same color temperature as the wall behind”。模型虽然不理解“chair”具体指哪把椅子但这类描述会显著提升它对整体光照一致性的关注度。这招我是从一个做商业修图的同行那儿学来的实测确实有效尤其是在复杂光照的场景里。视角也是同理。俯拍、平视、仰拍这三种视角下同一块地面的纹理密度完全不同。修地面、修墙面、修桌面的时候在提示词里补一句视角描述“top-down view”“eye-level perspective”能明显减少纹理透视错误。5.3 提示词的“信息密度”比长度更重要我见过不少人修复一小块区域写了两百多词的提示词结果反而不如二十个词准。原因是掩码区域小模型的注意力带宽有限信息一多就开始互相干扰最后哪个都没落实。我的经验值是小面积修复占画面 10% 以内控制在 15~30 个词中等面积 30~50 个词大面积才需要 50 以上。而且优先级要排清楚材质 光照 细节 风格。风格词放最后因为它对结构的影响最小放前面反而会干扰模型对材质的判断。6. 翻车现场排查六种典型症状的定位链路前面讲的都是“怎么做好”这一节讲“做坏了怎么救”。我把这几年遇到的高频问题整理成了一张排查表症状、根因、验证方法、修复手段都列清楚遇到问题可以直接照着走。症状最可能的根因快速验证方法修复手段边缘一圈白边或亮边掩码没盖住物体的抗锯齿像素 / 没羽化把掩码显示叠加在原图上放大看边界膨胀 10~15 像素 羽化 5 像素重跑修复区域明显比周围糊掩码过小导致上下文不足 / 分辨率错配换 1024 分辨率重跑同一组参数对比扩大掩码、提升分辨率、降低 denoising颜色整体偏了色彩空间或 VAE 往返损失不做任何修改直接过一遍编码解码换 VAE、后期做局部色彩匹配结构崩坏、透视错乱掩码占比过大 / denoising 过高把掩码缩小一半再看结果分块处理、降低强度、迭代多轮出现了不该有的物体提示词写到了要删除的东西逐条删除提示词里的名词测试只描述“应出现的内容”接缝像贴了一张纸掩码边界太硬 / 强度差异大放大看边界是否有突变线加大羽化、边界区域单独低强度过渡一轮6.1 “越修越糊”的真实原因这个症状特别常见而且大多数人的第一反应是“模型不行”或者“参数不对”其实根因往往很朴素你要修的区域太小了模型没有足够的上下文来推断细节。举个例子修一颗衬衫上的扣子。扣子在 1024 图里大概 40 像素宽你画个 50 像素的掩码denoising 0.7。模型在这个小格子里要同时完成“识别这里该是扣子”“生成扣子的结构”“匹配布料的光照”三件事信息严重不足于是只能给一团模糊的近似色块。正确做法是先裁出包含扣子和周围布料的局部区域放大到 512 或 768再修修完缩回去贴回原图。局部放大处理是精细修复的标准套路几乎所有专业修图流程都是这么干的。麻烦是麻烦了点但质量差距是数量级的。6.2 色彩对不上的三层排查色彩偏移是最让人抓狂的问题因为它有时候明显有时候不明显跟屏幕、跟导出格式都有关。我的排查顺序是固定的三层第一层确认是不是 VAE 的问题。有些 VAE 在解码时会有轻微的色偏尤其在暗部。验证方法很简单原图不做任何修改直接走一遍“编码—解码”对比前后。如果这一步就有偏移那问题不在 Inpainting换 VAE 或者接受这个偏移做后期校正。第二层确认是不是色彩空间的问题。原图如果是广色域中间经过了不支持广色域的环节回来就会变淡。这种情况在跨工具流转时特别常见。稳妥做法是全程在同一个色彩空间里处理导出前再统一转换。第三层才是看提示词和强度。如果前两层都没问题那大概率是 denoising 太高、模型自己“发明”了颜色。这时候降低强度、在提示词里明确色值倾向“warm beige, matching the wall”通常能拉回来。6.3 结构崩坏的分块验证法修出来结构歪了别急着改参数先做一次分块验证把大掩码切成 4 块逐块单独修看哪一块先崩。通常你会发现崩溃集中在某一两块上而那一两块往往正好是“上下文最少”的位置比如画面边缘、纯色区域、复杂纹理交界处。定位到具体位置之后针对性处理就简单了边缘区域可以先把画布往外扩一圈再修纯色区域可以在提示词里补足材质描述纹理交界处可以先修纹理再修另一侧避免模型同时处理两种逻辑。7. 我自己跑项目时的固定流程讲了这么多原理和参数最后把我实际干活时的流程完整走一遍。这套流程不是最优解但胜在稳定重复性高出问题的概率低。7.1 开工前的三件准备第一件永远保留原图副本。Inpainting 的不可逆性比文生图强得多一旦覆盖就没法回头。我的习惯是每轮处理都存一个新版本命名带上轮次和参数出问题能精确回退到某一步。第二件先做一次低分辨率试跑。正式处理前把图缩到 512 左右用相同的掩码比例和参数跑一次。这一步大概花十几秒但能提前发现掩码方向对不对、提示词有没有写到要删的东西、强度大概在什么区间。低分辨率试跑的结论可以直接按比例映射到高分辨率误差在可接受范围内。第三件把要修的区域单独截图看一遍。放大到 200%观察这块区域的纹理走向、光照梯度、噪点特征。这一步看着多余其实特别关键——你对这块区域的理解越具体提示词就写得越准。我现在已经养成习惯了不看清不动手。7.2 执行阶段的节奏控制执行的时候我遵循一个原则先粗后细先结构后质感先中间后边缘。先粗后细指的是先用低强度把整体色调和结构铺对再逐步加细节。别一上来就追求完美那样往往连整体都对不上。先结构后质感指的是结构的正确性优先级高于质感。一块区域哪怕质感差一点只要透视、光影、比例对了眼睛就会接受反过来质感再好结构歪了一眼就能看出来。先中间后边缘指的是处理顺序从掩码中心往外推。中心区域上下文最少、最难先把它定下来边缘区域靠近已知像素模型本来就容易处理。这个顺序能让每一轮的结果都为下一轮提供更好的条件。每一轮跑完我都会停下来看结果而不是一次性跑完再看。中间检查的成本很低但能避免错误累积。尤其是迭代重绘的时候第二轮如果已经跑偏了第三轮只会更偏。7.3 收尾检查的几个细节出图之后我会做几项固定检查把结果缩到 50% 看一眼整体再放大到 200% 看边界。缩放查看能发现很多在 100% 下看不出来的接缝问题。把修复区域和周围区域分别取色对比色相和明度的差值。肉眼看着差不多的颜色实际数值可能差不少。检查噪点颗粒的一致性。高分辨率修复出来的区域往往比原图“干净”这在胶片感或者高 ISO 的图里会很突兀。解决办法是在后期加一层匹配的颗粒。检查边缘的锐度过渡。修复区域的边缘如果比周围明显更锐或者更软都会有拼接感需要做一次局部的锐化或柔化过渡。这些检查项听起来琐碎但每一条都对应着我曾经翻过的车。修图这件事最后拉开差距的往往不是模型多强、参数多神而是你有没有耐心把每一处边界处理干净。7.4 一个容易被忽略的扩展思路最后分享一个我最近用得比较多的思路把 Inpainting 当成“分层合成”的工具而不是“一次性修好”的工具。具体做法是把一个复杂的修复任务拆成多个图层级别的操作——先修背景导出再基于修好的背景修中景物体最后修前景。每一步都在上一版结果的基础上做但每一步只关心一层。这样做的最大好处是每一步的错误都是隔离的不会互相污染。而且中途任何一步不满意只需要回到那一步重做不用从头再来。这套方法在处理那种“既要删东西、又要补背景、还要保持光影一致”的复合任务时优势特别明显。代价是文件管理会变复杂需要靠清晰的命名和版本记录撑着。但只要你习惯了就会发现它的可控性远超一次性梭哈。我在实际操作中的体会是Inpainting 这个功能真正的门槛不在工具本身而在你愿不愿意把它当成一件需要耐心的手工活来做。模型能给你一个很好的起点但从“能看”到“看不出来”中间那一段路还是得自己一步一步走。参数表可以照抄流程可以照搬但对画面的观察和判断只能靠自己一次次跑图积累出来。
