CONTROLNET V1.1.410 Stable Diffusion WebUI版本——控制类型详解（SoftEdge篇） 从理论到实践 PART.Ⅲ

软边缘（SoftEdge）

ControlNet中的SoftEdge模型主要作用是进行边缘检测。它是一种模型或者说是一种算法，存在于深度学习框架中，并用于处理图像或者视频等多媒体数据。

SoftEdge模型的目标是检测图像的边缘轮廓。在图像处理和计算机视觉领域，边缘通常指的是图像中颜色或亮度变化显著的地方，这些地方往往对应着物体与背景之间、或者物体与物体之间的交界。通过检测这些边缘，我们可以提取出图像中的形状、结构等重要信息，进一步用于识别、分类、标注等任务。

SoftEdge模型的作用并不局限于普通的边缘检测。它可以在一张图像上识别和区分出各种边缘，包括但不限于直线、圆弧等形状的边缘。同时，相比于其他更为传统的边缘检测算法（如Sobel、Canny等），SoftEdge模型能够提供更加模糊、柔性的边缘信息。也就是说，它并不会将边缘信息过于精确地确定下来，而是给出一个相对宽泛的边缘范围。这样的特性使得SoftEdge模型在处理复杂或多变的图像时具有更大的灵活性。

在具体的应用中，SoftEdge模型可以用于许多不同的领域。例如，在图像分割、目标检测、图像识别等任务中，它可以帮助算法更准确地识别和定位图像中的物体边缘。同时，由于其提供的边缘信息相对模糊，也使得算法在处理图像时能够更加自然地考虑到图像中的噪声和不确定性，从而在一些复杂的图像处理任务中取得更好的效果。

点击生成，我们会得到以下柔和边缘线稿图：

ControlNet的SoftEdge模型提供以下几种预处理器：

·Softdge_hed

点击生成，我们会得到以下柔和边缘线稿图：

ControlNet中的Lineart模型的Softdge_hed预处理器是一种特殊的预处理方法，用于将输入的图像进行边缘检测，以获取图像的主要轮廓信息。Softdge_hed预处理器可以帮助模型更好地生成线稿或素描效果，因为它可以提供更准确的边缘信息，从而使得生成的线条更加清晰、自然。这个预处理器在涂鸦模式和线稿填色场景中比较常见，可以帮助模型更好地理解和处理图像中的边缘信息。

·Softdge_hedsafe

（官方文档无相关具体介绍）

点击生成，我们会得到以下柔和边缘线稿图：

Softdge_hedsafe预处理器可能用于在进行边缘检测时防止生成的图像带有不良内容。因为在边缘检测过程中可能会产生一些错误的边缘信息，这些信息可能会对图像的内容造成影响，甚至会导致一些不安全的内容产生。而Softdge_hedsafe预处理器可以通过某种方式来避免这种情况的发生，从而保证生成的图像质量更可靠、更安全

·Softdge_pidinet

（官方文档无相关具体介绍）

点击生成，我们会得到以下柔和边缘线稿图：

它可能用于在进行边缘检测时考虑网络传输的延迟和误差，以提高检测的精度和稳定性。 PID控制器的使用可以帮助减小网络传输延迟和误差的影响，从而使得边缘检测结果更加准确和可靠.

·Softdge_pidisafe

（官方文档无相关具体介绍）

点击生成，我们会得到以下柔和边缘线稿图：

它可能用于在进行边缘检测时考虑网络传输的延迟和误差，以提高检测的精度和稳定性。同时，该预处理器可能还具有保证生成的图像质量更可靠、更安全的功能。

·【Softdge_hed】、【Softdge_hedsafe】、【Softdge_pidinet】和【Softdge_pidisafe】之间的区别

Softdge_hed预处理器可能用于进行边缘检测，它可以帮助模型更好地生成线稿或素描效果，并强调图像中的边缘信息。Softdge_hedsafe预处理器可能用于在边缘检测时防止生成的图像带有不良内容，从而保证生成的图像质量更可靠、更安全。Softdge_pidinet预处理器可能用于在进行边缘检测时考虑网络传输的延迟和误差，以提高检测的精度和稳定性。而Softdge_pidisafe预处理器可能用于在进行边缘检测时同时考虑网络传输的延迟和误差，并保证生成的图像质量更可靠、更安全。