一句话定义
Inpainting = 给图配一张蒙版(MASK),只在蒙版区域重新生成:白区重绘、黑区保留——ComfyUI 用 Set Latent Noise Mask 节点把蒙版"贴"到潜空间上实现,无需换软件。
为什么重要
修手、换脸、改商品、清水印、换背景里的一角……几乎所有"精准修改"都靠它。它也是电商图管线(案例研究:电商商品图生产管线)的核心工序之一。
前置知识
图生图与重绘幅度(denoise)(图生图与 denoise)、节点与工作流的心智模型:端口、连线与执行(MASK 类型)。
核心概念
- 蒙版语义:ComfyUI 中 mask 值 1(白)= 要重绘的区域,0(黑)= 保留。(在 MaskEditor 里涂过的区域变白。)
- 获取蒙版的三条路:
1. 载入图后在 Load Image 上右键 Open in MaskEditor 手涂; 2. ImageToMask(按通道转)+ InvertMask 组合自动生成; 3. 分割模型(如 SAM/Ultralytics,经 Impact Pack)自动抠目标。
- 两条技术路线:
- 普通模型 + Set Latent Noise Mask:整图编码为 latent,只在 mask 区加噪去噪;上下文充分,衔接自然,是默认推荐。 - inpaint 专用模型(如 SD1.5-inpaint):训练时见过"缺一块"的图,可用 VAE Encode (for Inpainting) 节点(自带 grow_mask_by);Flux 家族对应 Flux Fill 模型(Flux 架构与工作流:cfg=1 的新物种)。
原理与机制
IMAGE + MASK ──VAE Encode──▶ LATENT ──Set Latent Noise Mask──▶ 带蒙版潜空间
KSampler: 蒙版=1 的区域按 denoise 加噪重绘;蒙版=0 的区域保持原值
解码后: 重绘区与保留区在像素层拼合(边缘由蒙版羽化程度决定平滑度)边缘质量三件套(直接决定成品是否"贴上去"的感觉):
GrowMask(custom 常见):把蒙版外扩 8-16 像素,纳入一点原上下文,颜色过渡更自然;FeatherMask:羽化边缘,避免硬边;- denoise 0.6-0.9:太低重绘区像"贴纸",太高丢失原结构。
直观类比
蒙版是美纹纸胶带:喷漆(去噪)只落在纸外的目标区;胶带边留一点毛边(羽化),漆面才不会有生硬的界线。
实例与案例
- 修手:MaskEditor 涂手部 → GrowMask 12 → denoise 0.75 → 提示词只描述手部动作(整图上下文仍生效)。
- 商品图换背景(案例研究:电商商品图生产管线):分割模型自动出主体蒙版 → InvertMask 得到背景区 → 重绘背景 prompt。
- 多人改单人:涂掉多余人物 → denoise 0.85 + 背景 prompt 重绘补全。
常见误区
- 黑白反了:发现"只保留了想改的地方"= 蒙版取反,加
InvertMask。 - 蒙版贴边不留余量:边缘处重绘区与原图颜色断层;永远 GrowMask + Feather。
- 重绘区提示词写成整图描述:正提示词仍然作用于整图;写重绘目标的描述即可,整图上下文由模型自己看。
- 低 denoise 以为"更安全":0.3 的重绘基本不改变内容,只是加噪滤镜;修改幅度靠 denoise 兑现。
- 在放大前的低分辨率图上精修:先放大(高清放大(Upscaling):两条路线与取舍)再重绘,或重绘后再放大,顺序错了白做。
自测题
- mask 值 1 与 0 分别代表什么?发现效果相反时怎么办?
- Set Latent Noise Mask 与 VAE Encode (for Inpainting) 的路线差异?
- 重绘区边缘出现明显色阶,三个处理手段?
- denoise=0.5 的局部重绘,修改力度如何?
参考答案
- 1=重绘、0=保留;相反则 InvertMask 取反。
- 前者配合普通模型:整图 latent 中仅蒙版区加噪;后者配 inpaint 专用模型:编码时人为"挖洞"(自带 grow),模型擅长补洞。
- GrowMask 外扩、FeatherMask 羽化、调整 denoise。
- 中等:内容可能微调但大形不变;要明确改内容需 0.7+。
与其他知识点的关系
- 外扩(Outpainting):给画面加地盘 是"蒙版画在画布外"的特例(外扩)。
- 案例研究:电商商品图生产管线 电商管线中它的三种典型用法。
- IPAdapter 与参考图控制:让图像自己当提示词 IPAdapter 常与重绘联用(换脸保特征)。
延伸阅读
- 官方 inpaint 模板(模板库搜索 inpaint)
- Impact Pack 文档(自动蒙版方案)
前置知识
图生图与重绘幅度(denoise)节点与工作流的心智模型:端口、连线与执行