想一下，在我們使用 web UI 圖生圖的時候，他比文生圖多了什么，是不是多了個加載圖像的位置。

我們怎么才能把圖片轉成可以被識別的信息呢，我們需要把圖片解碼成可以被識別的信息。

上期回顧：

一、創建流程

1. 同樣，我們先打開文生圖基礎流程，我們這個基礎上把圖生圖流程加進去；

2. 我們“右鍵——新建節點——圖像——加載圖像”，然后把圖片傳上去；

3. 我們在加載圖像上鼠標點擊住“圖像”往外拉，松開然后選擇“VAE 解碼”；

4. 我們再把“VAE 解碼的 Latent”和“采樣器的 Latent”鏈接，“VAE”連接到“VAE 加載器”；

5. 這時候我們會發現兩個問題，“加載圖像的遮罩”沒有連接任何節點，這個沒關系，我們在使用局部重繪的時候才使用這個功能，圖生圖用不到。還有個就是原本的“空 Latent”斷開了，是的，我們不能設置尺寸了，這個情況下會按照你上傳的圖片尺寸為基礎。我們先出圖看一下吧。

6. 有沒有發現，我們出的圖只是引用了圖片尺寸，出圖內容和上傳的圖片沒有任何關系。大家還記得我們之前講過的采樣器里面的降噪嗎，我們現在的數值是 1，他會 100%按照我們的文字描述出圖。降噪數值越低和原圖越接近，越高權重越偏向文字描述（我們一般會使用 0.5-0.8）。

7. 他的原理就是把已有的圖像特征放進去再去做去燥迭代，0.8 就是我們跳過 20%的步數，用其余 80%的步數在原有圖像噪點上進行文生圖。

二、調整尺寸

1. 我們前面說沒有連接“空 Latent”，不能設置尺寸了，這個情況下圖片特別大或者特別小都會出問題；

2. 我們“右鍵——新建節點——圖像——放大——圖像縮放”，并把他連接在“加載圖像”和“VAE解碼”中間。

3. 我們看到有四個可以設置的參數，除了縮放方法外（三種縮放方法，區別不是太大，我們使用時默認不修改即可），中間兩個是寬高。最后一個是裁剪，但是有兩種裁剪方式：

a. disabled：直接拉伸（我們以一張 1024*1536 變成 1024*1024 為例）

4. center：根據中心進行裁剪（我們以一張 1024*1536 變成 1024*1024 為例）

5. 這兩種裁剪方式都有個問題：

• disabled，我們需要知道原圖片的尺寸，并且按照比例計算寬高，不然就會變形；
• center，根據中心進行裁剪，有很大的可能會裁掉我們需要的內容。

derfuu 插件：

①這時候我們可以通過 derfuu 插件去幫我們解決需要計算的問題，他可以根據圖片比例自動計算成你想要的尺寸；

② derfuu 插件地址： https://github.com/Derfuu/Derfuu_ComfyUI_ModdedNodes.git （網盤也有我下載好的，不會安裝的看我 ComfyUI 系列教程一）；

③我們“新建節點——Derfu節點（Derfu_Nodes）——自設節點——圖像——Image scale to side”，這時候我們就可以刪掉“圖片縮放”換成“Image scale to side”了；

④我們在“Image scale to side”會看到有四個可調節的參數（upscale_method、crop 不用修改，默認的就可以）：

1. side_length（邊長）：我們 side 參數選擇邊的尺寸應該改成多少
2. side（邊）：我們按照圖像的那條邊進行縮放，給了三個選擇：Longest（長）/Height（高）：這兩個所控制的是一樣的，都是以圖片的高度為基礎進行縮放；Width（寬）：以圖片的寬度為基礎進行縮放。
3. upscale_method（縮放方法）：三種縮放方法，鄰近-精準、雙線性插值、區域，區別不是太大，我們使用時默認不用修改即可；
4. crop（裁剪）：和我們上面說“圖片縮放”時的裁剪一樣，但是這個設置在這不起作用，因為我們是通過比例進行縮放的，不用進行裁剪（可能在其他的節點上起作用吧，我們使用時默認不用修改就可以）；

5. 我們可以跑圖了，快去玩耍吧。

三、知識點擴展

還記得我們上節課講的 refiner 細化流程嗎，我們圖生圖的時候是不是也可以使用 refiner 模型細化呢？

我們先復制一下圖生圖最主要的幾個節點（加載圖像、Image scale to side、VAE 編碼），然后打開文生圖 - refiner 細化流程并粘貼進去。

那我們把“VAE 編碼的 Latent”連接到 “base 模型的采樣器”上面（空 Latent 就不需要了，可以刪掉了）；

這時候還有個問題，我們是通過“降噪”來控制出圖相似度的，但是“采樣器（高級）”沒有“降噪”可以輸入。我們可以想一下“降噪”的作用和“采樣器（高級）”里面哪個功能相似呢？

當然是“開始降噪步數”了，同樣是用來跳過迭代步數的，但是相反的是，“開始降噪步數”數值越高和原圖越接近，越低越偏向文字描述；

注意（1）：開始降噪步數的數值不要超過“總步數-結束降噪步數”；

注意（2）：我們所連接和修改的地方僅在 base 模型所連接的采樣器。