一、介绍：

【Tile】通过先对图片进行分块，再对每一块进行重绘，最后将所有分块拼合在一起的方式，实现了对图像的精细修复和细节重绘。这一过程主要依赖于【Tile】模型，该模型具备图像识别能力，主要功能包括图像放大、修复和细节添加等。

二、实践案例：模糊图片的修复与重绘

1. 案例要求：修复一张非常模糊的图片。

2. 操作步骤

首先来到图生图板块

将图片导入图生图板块，

来到Controlnet板块点击启用，不勾选上传独立的控制图像，这个时候会以上传到图生图板块的图片为预处理对象

controlnet选择【Tile】作为控制类型，预处理器自动选择【tile_resample】。

Controlnet权重设置为1；

Down Sampling Rate参数设置为1（数值越高，预处理的图片越模糊，丢失的细节越多，变化也就越大）

重绘幅度设置为0.3

• 生成：点击【生成】按钮，可以看到人物变清晰了，但是人物造型会变，因为tile会丢失原图细节，生成新的细节，如果重绘幅度偏高，就会与原图差异较大。

因为原图模糊度过高，所以设置的重绘幅度偏高，所以人物变化较大，这里我们选择模糊度相对低一点的图片，然后将重绘幅度设置为0.2

这样就可以保证原图造型不变的情况下，对原图进行细化。

三、【Tile】预处理器解析

【Tile】模型提供了三种预处理器选项，分别适用于不同的图像处理需求：

1. 【tile_resample】

• • 功能特点：作为【Tile】模型最早的预处理器，它能够使图片色彩发生偏移，生成图像的色调会出现显著变化。

2. 【tile_colorfix】

• • 功能特点：与【tile_resample】类似，但额外集成了颜色修复功能，能够保持原图与输出图像的色调一致。在使用时，需关注【Variation】数值的设置，类似于【Down Sampling Rate】的调整原则。

3. 【tile_colorfix+sharp】

• • 功能特点：在【tile_colorfix】的基础上增加了图片锐化功能，因此在【Variation】参数设置中还加入了【Sharpness】（锋利度）选项，通常在0到2之间调整锐化程度。