stable diffusion图生图修复曝光

### 解决Stable Diffusion生成图像中的过度曝光或欠曝问题

当遇到由Stable Diffusion生成的图像存在过度曝光或欠曝的情况时，可以通过调整提示词(prompt)来改善最终效果。由于提示词是决定生成图像风格和特征的关键因素[^2]，因此优化这部分输入能够有效提升输出的质量。

#### 修改提示词以控制亮度

为了更好地掌控图像的整体明暗度，在编写用于指导模型创建新作品的文字描述时加入特定关键词可以帮助达到目的。例如：

- 对于希望减少过亮区域的情形，“dim lighting, soft shadows”这样的表达有助于传达更柔和、低光环境下的视觉感受；
- 如果目标是在较暗背景下增加细节可见性，则可尝试使用“bright highlights, clear details”。

这些词语不仅限于此处列举的例子；实际上任何能清晰描绘理想光照条件及其特点的语言都可以作为有效的指令传递给AI系统。

#### 利用负向提示排除不良特性

除了正面定义想要的结果外，还可以利用所谓的“负提示词”，即告诉程序哪些元素不应该出现在成品之中。针对本案例而言，如果发现某些类型的高光或者阴影经常导致不满意的地方，就可以把这些模式标记出来并设置成不应存在的部分。比如指定`no overexposed areas`, `avoid harsh shadows`等作为负面指示，从而进一步精细化调控画面质感[^4]。

#### 微调其他参数辅助校正

虽然重点在于改进提示语句本身，但也不应忽视对诸如迭代次数(cycles)、尺度因子(scale factor)以及其他可能影响渲染过程设定项做适当调节的可能性。合理配置上述选项同样有利于获得更加平衡合理的光影表现形式[^3]。

# Python伪代码示例展示如何设置Prompts及Negative Prompts
from diffusers import StableDiffusionPipeline

pipeline = StableDiffusionPipeline.from_pretrained('model_name')

positive_prompt = "a scene with dim lighting and soft shadows"
negative_prompt = "overexposed areas"

image = pipeline(
    prompt=positive_prompt,
    negative_prompt=negative_prompt).images[0]

image.show()