這篇文章要來分享的是，怎麼把一張糊掉的圖精細化。
經過兩個步驟，將原本模糊的圖精細化
當我們使用 Stable Diffusion進階 -- ControlNet新功能Reference 依照一個參考圖來生新圖時，有時候會因為原圖的解析度太差，或者其他因素，得到一張模糊的成果圖。
例如我使用這張圖來當作reference_only的參考源：
reference_only的參考來源
由於這張圖的面部表情不夠清晰，因此在低解析度時，出來的圖會非常模糊，例如這張：
原始成品圖
當我們挑選到要進一步精細化的圖時，就可以開始使用一些技巧來清晰這張圖。
首先，使用PNG Info來獲取所有參數：Stable Diffusion提示詞訣竅（二）
將參數傳入txt2img，然後開啟Hires. Fix來加大圖像：
txt2img開啟Hires. fix
此時也別忘了將ControlNet reference_only也設定好，這樣才能產生一模一樣的圖：
ControlNet的reference_only設定
一切都設定好之後，就生圖吧！產生出來的圖還可以進一步強化，此時將成品圖送到img2img裏面，將Denoising strength設定為0.5的中等強度，並切記將Seed的值重設回-1，否則ControlNet tile會因為重複Seed而算出很詭異的成果：
img2img設定，Seed要設定為-1
接著使用ControlNet的Tile模型，配上tile_resample預處理器來做最後的強化：
ControlNet的Tile設定
此時，為了避免過度精細化，要將Control Weight設定為0.5，但是可以將Down Sampling Rate拉到滿的8。這樣就能開始圖生圖了！
出產的新成果圖比較大張，但整個圖的清晰度進步不少：
精細化的成品圖
用這個簡單步驟，就能將許多過於模糊的臉部特徵清晰化，有時候甚至能拯救爛掉的手指。是個代價簡單但是效果很好的方法。
另外，在img2img時，如果用同一個Seed的話，ControlNet Tile模型會重複計算同一張圖，有時候會產生詭異的過曝效果，但有時候又意外地好看：
過曝的成品圖
祝大家AI算圖愉快！
