本期要为大家介绍的是ControlNet插件中的Scribble模型(涂鸦模型)也是一个检测图像边缘的模型，但是Scribble（涂鸦）的检测更为粗矿，只会检测原图大致的轮廓造型（目测感觉就20~30%的内容），但这也提供给了AI绘图极大的想象力发挥的空间，所以不同的ControlNet模型可以带来不同的效果并且适用于不同的场景，选择适合的模型可以更好的发挥AI的价值。

（若你想观看视频课程，可以学习此课程： https://huke88.com/course/156149.html ）

---

我们启动stable diffusion后，打开ControlNet插件，点击“Scribble”后，就可以选择到Scribble的预处理器和模型，可以看到在Scribble中有4个不同的预处理器，但实际差异不大，大家自行选择使用即可，这里推荐大家使用“scribble_pidinet”即可。

我们来演示一下Scribble模型的实际使用效果，首先上传一张二次元少女的图片，在Control Type中选择“Scribble”，记得要勾选“启用”、“Pixel Perfect”和“Allow Preview”，点击“爆炸”按钮后可预览处理后的预览图。预览图无误后，输入关键词：a cute girl, 选择参数设置，出图尺寸最好与原图保持一致。点击“生成”。

从出图可以看到，人物的姿态动作和手部动作被比较好的保留了下来，但是整体的风格发生了极大的变化，这也得益于Scribble模型(涂鸦模型)的效果表现。

我们再来尝试一下Scribble模型对于风景/建筑的图片的表现效果，操作同上方一样（上传原图、选择预处理器和模型即可），输入正向关键词：landscape, 新生成图片尺寸与原图保持一致。

从出图效果来看，整体结构和造型参考了原图效果，但是并未100%的进行复刻，更多的进行了AI的创意发挥。

总结一下，从出图对比我们可以看到，Scribble模型(涂鸦)更适合让新生成图片与原图产生更多差异，仅仅借鉴原图大致的结构框架，那么Scribble模型(涂鸦)是更好的选择。

---

你不可错过的好内容

《Stable Diffusion插件：ControlNet的安装与模型下载教程》

https://huke88.com/article/8133.html

《ControlNet插件：SoftEdge模型(软边缘检测)的使用与效果|Stable Diffusion》

https://huke88.com/article/8136.html

《ControlNet插件：seg模型(语义分割)的使用与效果|Stable Diffusion》

https://huke88.com/article/8135.html

《ControlNet插件：Normal_bae(法线贴图)的使用与效果|Stable Diffusion》

https://huke88.com/article/8134.html

《Stable Diffusion插件推荐：Tag反推（Tagger）|关键词反推》

https://huke88.com/article/8132.html