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

Scribble/Sketch

ControlNet中的Scribble和Sketch模型都是为了在图像处理中更准确地识别和提取图像的轮廓信息而设计的深度学习模型。这些模型的目标是帮助算法更好地理解和利用图像中的边缘信息，从而在各种图像处理任务中取得更好的效果。

Scribble模型是一种用于生成涂鸦或草图效果的预处理器。它可以将输入的图像转换为类似于涂鸦或草图的形式，使得图像看起来更加简洁和抽象。这种效果可以通过神经网络的学习和生成过程来实现，可以帮助算法更好地理解图像中的主要特征和结构，从而更好地处理和识别图像中的内容。

Sketch模型也是一种类似的预处理器，用于将输入的图像转换为线稿或素描形式。与Scribble模型不同的是，Sketch模型更加注重细节和精确度，可以更好地捕捉图像中的细微特征和纹理。这种模型可以帮助算法更好地提取图像中的线条和形状信息，从而在各种线稿或素描生成任务中取得更好的效果。

无论是Scribble还是Sketch模型，它们都提供了一种有用的方式来更好地处理和理解图像中的轮廓信息。这些模型在图像分割、目标检测、图像识别等任务中都可以发挥重要作用，可以帮助算法更好地提取和利用图像中的关键信息，从而取得更好的结果。同时，这些模型也为艺术家和设计师提供了新的创作工具，可以让他们使用人工智能技术来生成独特的艺术作品和设计稿。

点击生成，我们会得到以下边缘线稿图：

ControlNet的Scribble/Sketch模型提供以下几个预处理器：

·scribble_hed

点击生成，我们会得到以下边缘线稿图：

ControlNet中的Scribble模型的scribble_hed预处理器是一种用于生成涂鸦或草图效果的预处理器。它可以将输入的图像转换为类似于涂鸦或草图的形式，使得图像看起来更加简洁和抽象。这种效果可以通过神经网络的学习和生成过程来实现，可以帮助算法更好地理解图像中的主要特征和结构，从而更好地处理和识别图像中的内容。

·scribble_pidinet

（官方文档无相关具体介绍）

点击生成，我们会得到以下边缘线稿图：

可能用于在进行涂鸦或草图生成时考虑网络传输的延迟和误差，以提高生成的涂鸦或草图的精度和稳定性。

·scribble_xdog

点击生成，我们会得到以下边缘线稿图：

ControlNet中的Scribble模型的scribble_Xdog预处理器是一种特殊的预处理器，它用于提取建筑或室内设计的线条结构和几何形状，构建出建筑线框。这个预处理器的处理细节相较于其他模式更为丰富。

·t2ia_sketch_pidi

（官方文档无相关具体介绍）

点击生成，我们会得到以下边缘线稿图：

ControlNet中Scribble模型的scribble_pidi预处理器的作用也大致相同，也是用于将图像转换为涂鸦或草图的形式。虽然不清楚其具体细节，但根据其命名，我们可以推测它可能会在处理涂鸦图像时考虑一些特定的因素，例如涂鸦的形状、颜色、纹理等，以帮助算法更好地理解和利用图像中的信息。

·invert(from white bg&black line)

点击生成，我们会得到以下边图：

invert (from white bg & black line)是ControlNet中Scribble/Sketch模型的一个功能，该功能主要用于将输入的白色背景和黑色线条图像进行反转，生成类似于底片反转的效果。通过invert功能，用户可以轻松地得到一个底片效果图。

·【scribble_hed】、【scribble_pidinet】、【scribble_xdog】、【t2ia_sketch_pidi】和【invert(from white bg&black line)】之间的区别

（官方文档无相关具体介绍）

scribble_hed预处理器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。 scribble_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。 invert(from white bg&black line)这个操作则是将输入的图像进行颜色反转，生成类似于底片反转的效果。

关于scribble_xdog和t2ia_sketch_pidi这两个预处理器，由于官方文档并未明确阐述其具体功能，因此我无法给出具体的解释。不过，根据名称可以猜测，scribble_xdog可能涉及到某种形式的边缘检测或涂鸦效果处理，而t2ia_sketch_pidi可能是一种特定类型的涂鸦或草图处理模型。

这些预处理器之间的区别在于它们使用了不同的算法和技术来处理图像，并从中提取不同的信息。具体而言，它们可能对图像的边缘、颜色、纹理等方面进行不同的处理和分析，以帮助算法更好地理解和利用图像中的信息，并应用于不同的图像处理任务中。