以下是关于优化原图并加入妆容、不修改五官的一些方法和步骤：
放大算法中，Latent在许多情况下效果不错，但重绘幅度小于0.5后就不甚理想。ESRGAN_4x、SwinR 4x对0.5以下的重绘幅度有较好支持。Hires step表示在进行这一步时计算的步数。Denoising strength字面翻译是降噪强度，表现为最后生成图片对原始输入图像内容的变化程度。该值越高，放大后图像就比放大前图像差别越大。低denoising意味着修正原图，高denoising就和原图就没有大的相关性了。一般来讲阈值是0.7左右，超过0.7和原图基本上无关，0.3以下就是稍微改一些。实际执行中，具体的执行步骤为Denoising strength * Sampling Steps。面部修复修复画面中人物的面部，但是非写实风格的人物开启面部修复可能导致面部崩坏。点击“生成”
将照片放入到后期处理中，使用GFPGAN算法将人脸变清晰，不知道这个功能的可以参考我这篇文章——[【Stable Diffusion】图片高清化+面部修复+一键抠图，一些你不知道的事儿](http://mp.weixin.qq.com/s?__biz=MzkzMzIwMDgxMQ==&mid=2247487422&idx=1&sn=9cdf7ef37c2acb3c0fc3328d0ba8af74&chksm=c251597af526d06c921ea6728cb2a32bdf1d5f699e19d6ba13b849994e4d01af8a5144132aad&scene=21#wechat_redirect)。这个步骤，可以将我们的五官进行重绘，但是却没有办法将照片中的头发、衣服等其他元素变清晰。所以，接下来我将图片再发送到图生图当中，打开stableSR脚本，放大两倍。这个放大插件是所有插件中对原图还原最精准的，也是重绘效果最好的，不知道的朋友可以参考我的这篇文章——[【Stable Diffusion】超清无损放大器StableSR](http://mp.weixin.qq.com/s?__biz=MzkzMzIwMDgxMQ==&mid=2247487403&idx=1&sn=cbb96534fa6f58c37cf9fc64bc7ade0c&chksm=c251596ff526d0792b4bba0e21b69427b23e780824bdc75b22f1073e8bad6f61f30199fc8344&scene=21#wechat_redirect)。切换到sd2.1的模型进行修复，vae选择vqgan，提示词可以什么都不写，以免对原图产生干扰。
点击生成器下方的切换按钮进行切换基础模型：允许使用更多的微调大模型图片参考：允许使用更多的图像控制功能星流基础大模型下，增加了tile分块与softedge线稿切换不同的系列的基础模型可以使用与之配套的图像控制功能基础模型F.1基础模型XL基础模型1.5高清分辨率修复：利用算法对初步生成的图像进行简单的图生图高清放大（目前仅支持基础模型xl和1.5模型）放大算法：影响图像放大后的图像质量，建议默认即可重绘幅度：与初步生成的图像的相似度其他参数默认即可参数：允许调整更多的高级参数采样器：采样方法决定了模型在生成图像过程中的出图质量，有些采样器在细节处理上表现更佳比如DPM++ 2M，而有些则在生成速度上更快，比如Euler。采样步数：一般来说，步数越多，模型对图像的生成和优化越充分，但同时也会增加生成时间。随机种子：文生图的随机数种子是一个用于生成过程的整数值。通过设置相同的随机数种子，可以确保在相同的参数配置下生成相同的图像。CFG Scale：控制生成图像与提示词一致性的重要参数。脸部/手部修复：利用算法对人像的脸部或者手部进行修复