老鹿学Ai绘画：三种方法制作文字融入图片效果
文中使用青椒云注册地址：
邀请码:WGJA3KHJ（注册可领取优惠券）
以下是图文版内容：
正文共：3267字45图
这个效果当时看到群里发出来的时候，我正在川西旅游，本想着回来之后试试写一下，结果回来之后发现网上已经有教程了：
后来又一直很忙，一直拖到现在快一个月了，还是写一下吧，算是个了结。
我这里总结了三种方法，前两种方法网上已经有很多教程了，最后一种方法是我自己研究的，不太好，也算是一种思路吧！
好了，废话不多说，让我们看看如何制作这种文字融入图片的效果吧！
01
前言及准备工作
虽说是三种方法，其实大体思路都差不多，都需要借助SD的Controlnet，只不过用到的模型不一样。
前两种方法文生图和图生图都可以，最后一种只能用图生图，我这里就统一用图生图来演示吧。
首先我用文生图生成了这样三张夜景图：
然后再用Ps制作了这样三张黑底白色的文字图，这里有两点提醒大家一下，首先文字可以适当高斯模糊一样，这样边缘不会太锐利。
其次文字的构图最好要参考一下你要融入的图片，特别是人物图，否则可能需要频抽卡才能得到比较满意的效果。
我这里是夜景图，就简单的把文字做了一下透视：
打开SD，在图片信息里载入夜景图获取它的提示词信息，然后直接发送到图生图：
大模型我用的是RealisticVision，这是C站下载量最高的一款写实类模型，也是我最常用的一款，目前已经更新到V5.1版本了：
模型下载地址：
做这种效果有一定的随机性，不要忘记保持随机种子为-1，方便抽卡：
02
使用Tile模型制作
第一种方式是使用ControlnetTile模型制作，这个是Controlnet1.1新增的一个模型。
这个模型最大的特点是它会根据你在Controlnet中输入的图片信息在原图中绘制新的细节。
回到SD中，先把文字图拖进Controlnet里，勾选启用和完美像素：
控制类型选择Tile，这个模型有三种预处理，分别是颜色覆盖、颜色覆盖加锐化，重采样。
前面两种我测试过，由于我们输入的文字图是黑底的，使用颜色覆盖生成的图像会很暗。
因此我们就选择重采样这种方式就好，爆炸图标点不点都没关系：
先直接生成一张图看看，你会发现文字过于清楚，画面变黑了：
这是因为Tile的影响太大了，我们可以适当的调整权重以及开始和结束控制的介入步数。
这三个参数的数值不是固定的，和你的原图有关，大家实际操作中可以自行测试：
当我们适当调整参数以后，效果就好多了：
不过你可能会发现生成的图和原图差别比较大，这是由于我们图生图的重绘幅度过高导致的：
如果你希望生成的图像尽量和原图相似，可以适当的降低重绘幅度：
但需要注意的是降低重绘幅度也会降低Tile对生成图的影响，我们前面也提到了，Tile会绘制新的细节，重绘幅度降低了当然影响就弱了。
因此如果希望生成图和原图保持一致，就需要低重绘幅度高权重，反之同理，我这里将权重提高到了0.8，感觉是我想要的效果：
Tile还有一个降低采样率的参数，这个数值越高，重绘的细节越少：
最后放大图看看效果吧：
03
使用第三方模型制作
第二种方法是使用两种第三方训练的Controlnet模型。
第一款在C站上的名字叫Lightingbasedpicturecontrolcontrolnet，在抱脸网上的名字叫illumination：
第二款在C站的名字叫Brightness：
这两个名字很相似，Illumination是照明，Brightness是明亮度，两个模型可以单独使用。
相比于Tile模型，这两款模型更偏向于制作光影的效果，下面是chatgpt对它们的区别解释：
使用的思路方面是Tile模型是一样的，首先是Lightingbasedpicture这个模型。
载入文字图片，预处理器这里选择无，模型选择Lightingbasedpicture：
注意，我现在的重绘幅度是默认的0.75，直接点击生成看一下，同样画面变得很暗，文字过于清晰：
因此同样调整参数，权重0.35，开始和结束控制的介入步数分别是0.2和0.9，效果就好多了：
同样的如果你希望画面尽量保持不变，就需要降低重绘幅度，然后提高Controlnet的权重：
放大图片看看效果吧：
至于Brightness模型也是一样，无非就是测试这三个关键参数，预处理器选择无就行：
这个是Brightness放大后的效果：
04
使用Depth+轮廓类模型制作
这是我自己研究的方法，只能用于图生图，并且可控性不高，随机性很大，大家仅做了解吧！
首先通过图片信息功能，在提示词栏位输入和生成图相同的题词：
在文生图输入栏位把原图替换为文字图：
再在Controlnet中载入夜景图，模型选择深度图，预处理器用最精准的depthleres++，爆炸一下：
默认重绘幅度0.75，点击生成你会发现图片变暗了，文字识别也不太准确。
图片变暗是由于图生图识别的是输入图的颜色信息，图片大部分是黑色，所以会变暗。
而文字识别不太准确是因为虽然图生图能读取颜色信息，但0.75的重绘幅度足以让生成图与原图产生较大的差异，并且设置中没有能固定文字的设置：
因此我们需要再加入一个能固定文字形态的控制，比如在第二个Controlnet中加入一个SoftEdge软化边缘的模型，预处理器我这里选择的是SoftEdgehed：
权重可以适当降低一点，然后就开始抽卡，你会发现图片很暗并且文字过于清晰。
这是是由于重绘幅度还不够导致的，因为这次我们是直接在图生图中输入的是文字图：
这种方法的思路是在Controlnet1.1之前，几乎没有模型能够识别图片的颜色信息。
因此我们可以借助图生图识别图片颜色信息的功能告诉SD什么地方是亮的，同时用Depth模型控制深度关系，最后再用轮廓类的模型来进一步限制文字的外形。
我们可以再次提高重绘幅度，然后抽卡得到一个感觉还不错的效果：
不过这种方法最大的问题是可控性比较差，你可能需要多次抽卡才能得到一张比较满意的图，并且由于重绘幅度高，所以生成图与原图的差异也比较大。
最后图片放大看看效果吧：
如果觉得对自己有所帮助，请不要吝啬自己的点赞、点在看、转发朋友圈，你们的支持对我很重要，谢谢！