ComfyUI老照片修复：极简工作流分享

发现ComfyUI在老照片修复方面的极简工作流程。本篇文章详细介绍了使用ComfyUI进行老照片修复的步骤，技巧和最佳实践，帮助用户轻松恢复珍贵记忆

我把这件工作流分成三大块讲解：一个是提示词部分，一个是应用节点部分，一个是基础采样部分

提示词部分

我们使用WD14 反推标签提示词，在WD节点中排除例如单色，灰度，棕色等老照片的标签

。然后我们在通用提示词联结合并一些反推不出来的关键词，比如彩色数码照片，杰作，简单背景等。展示文本主要方便我们排查标签。最后把合并后的文本输入给简易加载器。

WD14Tagger|pysssss

作用: 为图像生成标签，有助于图像分类和识别。

easy positive

作用: 生成正面提示词，这些提示词通常用于指导模型生成或修改图像。

easy showAnything

作用: 显示当前生成或处理的内容，用于可视化和检查。

easy promptConcat

作用: 合并多个提示词，形成一个综合的提示词，用于模型的进一步处理。

基础采样部分

这部分比较简单，就是加载和采样的过程。大家应该都能理解。

easy a1111Loader

作用: 加载所需的模型、VAE（变分自编码器）和其他配置，以便进行图像生成或修改。

easy pipeOut

作用: 输出处理后的图像及相关信息，作为整个处理流程的结果。

ControlNetApplyAdvanced

作用: 应用高级ControlNet技术，对图像进行条件控制和高级调整。

ImageResize+

作用: 调整图像大小，以确保图像符合后续处理步骤的尺寸要求。

easy fullkSampler

作用: 进行图像采样，生成样本用于进一步处理或分析。

应用部分

IPAdapterFaceID

作用: 使用IPAdapter和FaceID技术进行人脸识别和图像处理，增强图像的细节和质量。

PrepImageForClipVision

作用: 预处理图像以适应Clip Vision模型的需求，通常包括调整图像的大小和位置。

IPAdapterUnifiedLoaderFaceID

作用: 加载IPAdapter和FaceID模型，专门用于人脸识别和处理任务。

ControlNetLoader

作用: 加载ControlNet模型，用于图像处理中的条件控制。我们加载anytest这个新的控制模型。选择这个模型的原因主要是操作很简单，不需要预处理器，直接使用即可。没有这个模型的小伙伴可以在我们交流群获取哦

完整工作流可以在我们交流群获取哦，可以查看具体的连线

这些节点共同作用，形成一个完整的老照片修复工作流，通过预处理、加载模型、图像调整、标签生成、提示词生成和高级处理步骤，逐步提高图像质量并实现老照片的修复。除了以上节点外，大家还可以自行接入放大节点使图片更高清。