ERNIE-Image

ERNIE-Image img2img 图生图完整指南：从草图到精修的专业工作流

mag 6, 2026

ERNIE-Image img2img 图生图完整指南：从草图到精修的专业工作流

发布日期：2026-05-06
作者：颜明
标签：img2img、图生图、ComfyUI、Denoise、ERNIE-Image

引言

ERNIE-Image 作为百度推出的开源 8B 文生图模型，最为人熟知的能力是**文本到图像（text-to-image）**生成。但 HuggingFace 上的 ERNIE-Image 官方合集明确标注了其支持 "text2img、img2img" 两种模式。

img2img（图生图） 是 AI 图像生成中最实用的功能之一：你提供一张参考图，模型基于这张图的内容和结构，结合新的文字描述生成全新的图像。从草图渲染到风格转换，从老照片修复到概念设计，img2img 打开了无限可能。

本文将深入介绍 ERNIE-Image 的 img2img 能力，包括 ComfyUI 和 diffusers 两种部署方式，以及 denoise 参数的关键技巧。

img2img 是什么？与 text2img 的区别

核心概念

text2img（文生图）：从零开始，根据文字描述生成全新图像。Denoise = 1.0，模型完全自由创作。

img2img（图生图）：以现有图像为起点，根据文字描述对图像进行改造。Denoise < 1.0，模型在保留原图部分特征的基础上进行再创作。

工作流程对比

text2img:
  Prompt → 编码 → 空潜空间 → 扩散采样 → 解码 → 输出图像

img2img:

Prompt + 输入图像 → 编码 → VAE编码输入图 → 加噪 → 扩散采样 → 解码 → 输出图像

img2img 的关键在于 denoise 参数——它控制输入图像的保留程度：

  • denoise = 1.0：等同于 text2img，原图信息被完全覆盖
  • denoise = 0.8：大幅改变，保留基本构图
  • denoise = 0.5：中度修改，保留大量原始细节
  • denoise = 0.2：轻微修饰，如调色或风格微调

Denoise 参数详解

Denoise 是 img2img 的核心参数，决定了"新"与"旧"的比例。以下是不同 denoise 值的实际效果：

Denoise 值速查表

Denoise 变化程度 适用场景 推荐步数
0.1-0.2 极轻微 颜色微调、亮度调整 8-15
0.2-0.3 轻微 风格微调、去噪 10-20
0.3-0.5 中等 风格转换、材质变化 15-30
0.5-0.7 较大 场景改造、人物换装 20-40
0.7-0.85 大幅 草图渲染、概念设计 30-50
0.85-0.95 几乎全新 保留构图的全新创作 40-50
1.0 完全新生 等同于 text2img 8(Turbo)/50(Standard)

实战示例

示例 1：照片 → 动漫风格（denoise = 0.4）

输入图：真人照片
Prompt："a cute anime girl, detailed eyes, chibi style, pastel colors"
Denoise：0.4

效果：保留面部轮廓和表情，转换为动漫画风。

示例 2：草图 → 精细渲染（denoise = 0.75）

输入图：手绘建筑草图
Prompt："modern glass office building, sunset lighting, photorealistic, architectural photography"
Denoise：0.75

效果：保留建筑轮廓和结构，生成照片级渲染。

示例 3：老照片修复（denoise = 0.15）

输入图：模糊老照片
Prompt："clear portrait, high resolution, sharp details, warm lighting"
Denoise：0.15

效果：在保留原始内容的基础上提升清晰度和色彩。

ComfyUI 中 img2img 工作流搭建

核心节点

ERNIE-Image img2img 工作流基于 text2img 工作流，只需添加/修改以下节点：

  1. Load Image — 加载输入图片
  2. VAE Encode — 将输入图片编码为潜空间表示
  3. KSampler — 关键节点，设置 denoise < 1.0

详细步骤

步骤 1：加载模型和编码器

Load Diffusion Model → ERNIE-Image-Turbo.safetensors
Checkpoint Loader → T5-XXL + VAE

步骤 2：加载输入图片

Load Image → 选择你的参考图片

步骤 3：VAE 编码输入图

VAE Encode → 连接 Load Image 和 VAE 节点

这一步将像素空间图像转换为潜空间表示，是 img2img 的关键。

步骤 4：Prompt 编码

CLIP Text Encode (Positive) → 你的正向 Prompt
CLIP Text Encode (Negative) → 负面描述（如 "blurry, low quality"）

ERNIE-Image 的 Prompt Enhancer（PE） 在 img2img 模式下同样有效。建议在复杂风格转换时启用 PE，在精确还原时关闭 PE。

步骤 5：KSampler 配置

KSampler:
  model → Load Diffusion Model 输出
  positive → CLIP Text Encode (Positive)
  negative → CLIP Text Encode (Negative)
  latent_image → VAE Encode 输出（关键！不是空潜空间）
  denoise → 0.4（根据需求调整）
  steps → Turbo 8 步，Standard 30-50 步
  cfg → 6.0
  sampler_name → euler
  scheduler → normal

步骤 6：VAE 解码输出

VAE Decode → 连接 KSampler 输出
Save Image → 保存结果

完整节点连接示意

[Load Image] ──→ [VAE Encode] ──→ [KSampler.latent_image]
                                                         │
[CLIP Text Encode (+)] ──→ [KSampler.positive]           │
[CLIP Text Encode (-)] ──→ [KSampler.negative]      ──→ [VAE Decode]
[Load Diffusion Model] ──→ [KSampler.model]            ──→ [Save Image]

Diffusers Python API 调用

如果你更喜欢编程方式，可以使用 HuggingFace Diffusers 库：

安装

pip install -U diffusers transformers accelerate

代码示例

import torch
from diffusers import DiffusionPipeline
from PIL import Image

加载模型


pipe = DiffusionPipeline.from_pretrained(

"baidu/ERNIE-Image-Turbo",

torch_dtype=torch.float16

)

pipe = pipe.to("cuda")


加载输入图片


input_image = Image.open("reference.jpg").convert("RGB")

input_image = input_image.resize((1024, 1024))


img2img 生成


prompt = "a futuristic cityscape at night, neon lights, cyberpunk style"

output_image = pipe(

prompt=prompt,

image=input_image,

strength=0.6,          # 等同于 ComfyUI 的 denoise

num_inference_steps=8, # Turbo 模式

guidance_scale=6.0

).images[0]


output_image.save("output.jpg")

关键参数：

  • strength：等同于 denoise 参数。范围 0.0-1.0
  • num_inference_steps：Turbo 推荐 8 步，Standard 推荐 30-50 步
  • guidance_scale：CFG 引导强度，推荐 5.0-7.0

实用场景详解

1. 草图渲染（Sketch to Render）

工作流：手绘草图 → ERNIE-Image img2img → 精细渲染图

输入：建筑/角色/产品的铅笔草图
Prompt："photorealistic [描述], high detail, professional rendering"
Denoise：0.7-0.8

技巧：草图越清晰，输出效果越好。建议使用黑白线稿，避免彩色干扰。

2. 风格迁移（Style Transfer）

工作流：原图 → ERNIE-Image img2img → 新风格图

输入：任意图片
Prompt："[目标风格] style, [描述]"
Denoise：0.3-0.5

示例 Prompt：

  • "oil painting style, Van Gogh inspired, thick brush strokes"
  • "watercolor illustration, soft colors, dreamy atmosphere"
  • "cyberpunk neon style, dark background, glowing elements"

3. 图像增强/修复

工作流：低质量图 → ERNIE-Image img2img → 高清增强图

输入：模糊、低分辨率、或有噪点的图片
Prompt："high resolution, sharp details, professional photography, 4K quality"
Denoise：0.1-0.3

技巧：低 denoise 值可以保留原始内容，同时改善画质。

4. 照片风格化

工作流：照片 → ERNIE-Image img2img → 艺术风格照片

输入：普通照片
Prompt："[风格] photograph, dramatic lighting, cinematic"
Denoise：0.3-0.5

推荐风格：

  • "film photography, Kodak Portra 400"
  • "black and white portrait, dramatic shadows"
  • "double exposure, surreal composition"

5. 内容扩展（Outpainting 变体）

虽然 ERNIE-Image 有专门的 outpainting 功能（见 EI-017 文章），img2img 也可以实现类似效果：

输入：裁剪后的图片（放大后留白区域）
Prompt：保持原始场景描述，加上扩展方向的描述
Denoise：0.5-0.7

PE（Prompt Enhancer）在 img2img 中的表现

ERNIE-Image 内置的 Prompt Enhancer 在 img2img 模式下有独特的表现：

何时启用 PE

  • 风格转换：PE 能丰富风格描述词，生成更细腻的画风
  • 草图渲染：PE 补充材质、光照等细节
  • 创意发挥：希望模型自由发挥时

何时关闭 PE

  • 精确还原：需要严格遵循 Prompt 时
  • 图像修复：需要最小化改变时
  • 商业项目：需要可预测输出时

测试方法

建议对同一输入图和 Prompt，分别用 PE 开/关各生成 2 张，比较效果后选择最优方案。

常见问题

Q: img2img 能改变图片尺寸吗？

可以，但建议输入和输出保持相同分辨率以获得最佳效果。如果需要改变尺寸，先用外部工具调整输入图片尺寸，再进行 img2img。

Q: denoise 设多少最合适？

没有固定答案。建议从 0.4 开始测试，根据效果微调：

  • 变化不够 → 提高 denoise
  • 变化太大 → 降低 denoise
  • 每次调整 0.1 为一个步长

Q: 为什么 img2img 效果不如 text2img？

可能原因：

  1. denoise 值不当：太高丢失原图，太低改变不足
  2. Prompt 不够明确：img2img 需要更精确的描述
  3. 输入图片质量差：模糊或低分辨率输入影响输出

Q: 可以在 img2img 基础上再次 img2img 吗？

可以！多轮 img2img 是进阶技巧：

  1. 第一轮：denoise=0.5，风格转换
  2. 第二轮：denoise=0.2，细节微调
  3. 第三轮：denoise=0.1，最终润色

总结

ERNIE-Image 的 img2img 能力为 AI 图像创作提供了强大的二次创作工具：

  • Denoise 参数是核心——掌握它就能掌握 img2img 的精髓
  • ComfyUI 工作流最灵活——可视化操作，易于调试
  • Diffusers API最适合批量处理——编程友好，可扩展性强
  • PE 模块在 img2img 中同样有效——根据场景选择开/关

从草图到精修，从照片到艺术，img2img 让 ERNIE-Image 不再只是"文字变图片"的工具，而是真正的AI 图像创作伙伴。

参考来源：ERNIE-Image HuggingFace Collection, ComfyUI 官方文档, Diffusers img2img 文档

ERNIE-Image Team