去年秋天我拍了一张街景,横构图,云层压得很低,特别好看。传到社交平台,封面被裁掉了三分之一,树和路灯全没了。那种感觉挺难受的。朋友说,你试试AI扩图。我半信半疑把图丢进去,等了几秒,画布四周长出了新的天空和路面,接缝处几乎看不出来。从那儿开始,我花了小半年把市面上叫得上名字的AI图片扩展工具挨个用了一遍。这篇AI图片扩展教程就从这个技术的认知和工具准备讲起,把我踩过的坑、调过的参数、什么场景该用什么工具,原原本本讲给你听。
1.1 AI图片无损扩展的核心概念、适用场景与“无损”边界说明
先说说这个技术在干什么。你手里有一张图,尺寸固定,像素固定。AI图片扩展做的事情,是把画布往外撑开,让模型根据原有画面的内容、色调、光影、透视关系,去“猜”出边界之外应该有什么,一像素一像素把空白填满。行业里管这个叫 outpainting,中文常译成“外绘”或者“扩图”。它跟修图软件里的“内容识别填充”思路接近,差别在于AI扩展要理解整张图的语义,不只是盯着边缘那几行像素做延展。
适用场景比我想的多得多。电商运营最常碰上主图比例问题,1:1 的方图和 3:4 的竖图来回切,产品不能变形,背景又不能空着。摄影师会拿它补足构图,一张裁得太紧的人像,扩展之后能腾出呼吸空间。设计师做海报、做 banner,画面元素挤在中间,两边大片留白又不好看,扩图能把留白填成有质感的背景。我自己用得最多的还是老照片,扫描件边缘有折痕、有白边,扩出去一圈再修,整体观感干净很多。
“无损”这两个字得掰开讲。AI扩出来的像素是模型生成的,不是从原图里拿出来的,本质上属于“有损生成、视觉无损”。它做不到把已经丢掉的真实细节还原回来。你拿一张人物半身照去扩,脸部的毛孔、发丝的走向,模型只能给个大概,凑近看就露馅。文字、logo、细密的网格纹路,扩出来最常见的毛病是笔画出头、字母粘连。我一般跟人说,AI扩展的“无损”指接缝看不出来、色调不打架、构图不穿帮,不是信息量无损。这个预期一开始摆正,后面用起来心态会好很多。
1.2 AI扩展与普通裁剪、拉伸放大、传统超分的区别及效果预期
这几种操作经常被混为一谈,实际差得远。裁剪是减法,从一张图里切走一部分,剩下的还是真像素。拉伸放大是几何变换,把 1000 像素硬拉到 2000 像素,每个像素被复制插值,人脸会变形,圆的东西变椭圆,边缘发虚。传统超分(super resolution)是另一路子,它不改变构图,专攻分辨率,把一张 800×600 的模糊图放大到 3200×2400 还能保持锐利,靠的是模型学过的图像先验。AI 扩展做的是加法,往画面外生长,长出来的东西原图里压根没有。
效果预期这块我想说点实在的。AI 扩展在自然类内容上表现最好:天空、草地、墙面、水面、纯色渐变背景,接缝处理得几乎无感。中等难度的是建筑、街道、室内场景,透视关系模型能抓个七七八八,偶尔会出现窗户数量不对、地砖缝对不齐这类小毛病,放大看有,缩略图看没有。困难档是人脸、手、动物毛发、密集文字、精细花纹,这几类我建议扩的时候别让它们压在边界上,实在避不开就手动修。有一回我把一张带英文招牌的街景往外扩,出来的字母拼成了不存在的单词,看着像那么回事,细看全是鬼画符。
1.3 AI图片无损扩展工具推荐:主流工具类型、能力差异与选型维度
市面上的工具我大致分成四类。网页在线工具,打开浏览器就能用,门槛最低,代表是 Adobe Firefly、Canva 的魔法扩展、Clipdrop、Photoroom。桌面软件类,Photoshop 的生成式扩展是这里的老大哥,可控性和工作流整合做得好。开源本地方案,Stable Diffusion 配 ControlNet 和 outpainting 脚本,灵活度天花板,代价是要有显卡、要会折腾。手机 App 那一档,美图秀秀、PicsArt 这类,胜在随时随地,出图分辨率一般,适合发朋友圈不适合交付。
能力差异主要体现在几个地方。最大输出尺寸,有的工具免费版只给 1024 像素边长,有的给到 4K。可控程度,能不能写提示词描述扩展区域画什么,能不能调重绘幅度,能不能只扩某一边。语义理解,扩出来的内容和原图的风格、光照、材质是否对得上。处理量,单张还是批量。我自己的排序是,日常救急用网页工具,正经项目用 PS,需要批量或者风格统一就上 Stable Diffusion。
选型的时候我会问自己几个问题。图片涉不涉及隐私,客户照片、身份证件这类,我绝不上传云端,只在本地跑。一天要处理多少张,几十张就得看批处理能力。预算多少,订阅制工具一年小一千,开源免费但显卡是成本。对分辨率的要求,做印刷和做网页完全是两个标准。还有个容易忽略的点,扩出来的图能不能导出无损格式(PNG、TIFF),有的工具只给 JPG,二次编辑就吃亏了。
1.4 不同工具的导入导出流程、费用/隐私/批量能力对比与适用人群
拿我常用的几个说说流程。Photoshop 里最顺,图像菜单里的“画布大小”先把画布撑开,选一块空白区域,用创成式填充,输入描述,生成三版备选,挑一版,不满意就重新生成,导出走“存储为 Web 所用格式”或者直接存 PSD。Firefly 网页版流程更直线,上传、拖动画布边界、可选填提示词、点生成、下载,全程两三分钟。Stable Diffusion 本地就是另一回事,得先装 WebUI,加载 outpainting 专用模型,设置蒙版扩展像素、重绘幅度、采样步数,跑一张几十秒到几分钟,参数调对了效果非常好,调不对就是灾难。
费用上差别挺大。Firefly 有免费额度,用完走订阅。Photoshop 是订阅制,跟着 Creative Cloud 走。Clipdrop、Photoroom 都有免费档加付费档,付费按张或者按月。开源方案软件本身不要钱,显卡电费是真金白银。批量能力方面,网页工具大多一张一张来,PS 可以录动作脚本,Stable Diffusion 有批量脚本和 API。隐私这块,云端工具等于把图交给别人,本地部署图不出机器,这一点对律师、医生、接私活的设计师是硬指标。
适用人群我大概这么分。普通用户、自媒体人,网页工具够用,快、便宜、不用学。设计师、摄影师,Photoshop 是主力,跟现有工作流咬得紧。电商团队、需要处理成百上千张图的,走 API 或者本地批量方案。对隐私敏感、又懂点技术的,Stable Diffusion 是唯一的答案。手机党图个方便,别对画质有太高期待。
参数面板第一次打开的时候我人是懵的。一堆滑杆、输入框、下拉菜单,有的标着英文缩写,有的干脆只有一个图标。我头几回纯靠瞎拖,扩出来的图要么边缘糊成一片水彩,要么新长出来的部分和原图完全两个画风,像是把两张照片硬拼在一起。折腾久了才慢慢摸出门道,这一章就把我平时调参数的那套流程拆开揉碎讲清楚,从扩展方向怎么定,到提示词怎么写,再到最后怎么导出,一步一步来。
2.1 扩展方向、画幅比例、目标尺寸与构图预留的设置方法
扩展方向这件事,很多人一上来就默认“四周都扩”,我觉得有点浪费。你得先想清楚这张图最终要放到哪里去。做视频封面,多半是往左右扩,因为上下加太多会把主体压小。做手机壁纸或者竖屏短视频,主要往上往下扩,左右保持原样。电商主图从方图改竖图,那更直接,只在上下补背景就够了。我自己的习惯是先把使用场景写在便签上,再决定扩哪几条边。
画幅比例最好在动手之前定死。有的工具允许你输入目标比例,比如 16:9、4:5、9:16,它自己算该往哪边补多少。有的工具只让你调画布尺寸,比例得自己算。我吃过一次亏,扩完才发现输出是 3:2,导出再裁一刀,白扩了。现在的做法是打开原图先看它的像素长宽,拿计算器除一下,确定目标比例之后倒推需要增加的像素数。
目标尺寸有讲究,别一上来就往最大了怼。模型的生成质量跟输出分辨率关系很大,一次性扩到 4K,接缝处经常出现莫名其妙的纹理重复。我一般分两次扩,先扩到 1.5 倍左右看效果,接缝没问题再继续往上走。还有一点,最终发布平台的压缩规则要提前了解,微博、小红书、公众号各自对长边和文件体积有上限,扩太大最后被压回去,等于白忙活。
构图预留是容易忽略的环节。扩图不只是把画布撑大,你还得在脑子里预判新长出来的区域里应该有什么。人像往左扩,左边留的是墙面还是街景?主体站在画面偏右的位置,左边空出来的地方如果填得太满,视觉重心会被拉走。我的经验是让扩展区域承担“托底”的功能,颜色偏暗、细节偏少、内容偏虚,这样眼睛还是会回到原图里真实存在的那部分。
2.2 AI图片扩展参数设置技巧:提示词描述、重绘幅度与风格一致性控制
提示词这块我踩过的坑最多。一开始我拼命描述主体,“一个穿红裙子的女孩站在街上”,结果扩出来的区域给我塞了半个女孩的下半身,吓我一跳。后来才明白,扩展区域的提示词应该描述“画面外延的环境”,不是原图里的主体。正确的写法是“灰色的水泥人行道,远处有模糊的树影,傍晚暖色调”,让模型知道边界之外该长出什么,而不是把注意力拉回画面中心。
重绘幅度这个参数,英文叫 denoising strength 或者 creativity,不同工具叫法不一样,但逻辑相通。数值低,模型更尊重原图边缘的像素信息,扩展区域会显得保守,颜色过渡自然但内容平淡。数值高,模型自由发挥的空间大,容易出惊喜也容易出惊吓。我常用的区间是 0.45 到 0.65 之间,风景类可以放到 0.7,人像和建筑我一般压在 0.5 以下。有一回帮朋友扩一张产品图,重绘幅度拉到 0.85,背景长出几根不存在的柱状物,看着像外星建筑。
风格一致性是我最在意的。工具支持参考图的话一定用上,把原图本身或者同系列的另一张图喂进去,模型会参考色调和质感。有的工具支持锁定随机种子,同一张图扩两次结果能对齐,方便对比不同参数。还有个小技巧,提示词里把光线方向和色温写清楚,比如“left side lighting, cool morning tone”,扩出来的部分不容易跟原图打架。我自己总结了一句话,主体靠原图,环境靠提示词,过渡靠重绘幅度。
2.3 边缘融合、细节修复、放大算法与分辨率控制的无损化处理
边缘融合做得好不好,直接决定扩图能不能用。大多数工具会在原图和新生成区域之间留一条过渡带,宽度从几十到上百像素不等。过渡带太窄,接缝处会出现一条硬线,尤其是天空和墙面这种大面积渐变色,一眼就能看出来。过渡带太宽,原图边缘的细节会被吃掉,人脸靠近边界的时候特别明显。我一般把过渡带设在 32 到 64 像素之间,具体看原图分辨率和内容复杂度。
细节修复是第二阶段的事。初版扩图出来之后,接缝附近经常有模糊、色差、重复纹理。我习惯先把整张图放大到 200% 看一圈,找到问题区域,用局部重绘或者修补工具处理。有的工具自带“边缘修复”开关,勾上之后模型会额外跑一遍融合算法,效果比手动修快。文字和细线条的区域我基本放弃自动修复,直接切到 Photoshop 用仿制图章或者内容识别填充,AI 在这类结构化的内容上还不够稳。
放大算法值得单独说。扩图完成之后,如果目标尺寸还不够大,通常要走一步超分。我常用的有 Real-ESRGAN,速度和质量平衡得不错,还有 LDSR 这一类扩散模型超分,细节更丰富但慢得让人想泡杯茶。Photoshop 自带的“保留细节 2.0”在中等放大倍数下够用。这里有个顺序问题,我的建议是先扩图再超分,反过来先超分再扩图,模型处理的像素量翻好几倍,时间和显存都吃不消。
分辨率控制说白了是跟自己较劲。AI 扩展有一个隐形的上限,超过某个尺寸之后,模型开始“编”细节,纹理重复、结构错乱都会冒出来。我给自己定的规矩是单次扩展不超过原图长边的 1.5 倍,需要更大就分多次,每次扩完检查一遍接缝。导出格式尽量选 PNG 或者 TIFF,JPG 的压缩算法会把接缝处的细微渐变毁掉,二次编辑的时候特别难受。
2.4 分步骤实操:从原图导入、参数配置、局部修正到高保真导出
拿一张我前几天处理的照片走一遍流程。原图是一张竖构图的咖啡馆内景,800×1200 像素,拍得有点紧,吧台左侧的墙面被切掉了。我想把它扩成 3:2 的横图,用于公众号头图。第一步导入,PS 里打开原图,图像菜单里把画布宽度从 800 改到 1800,锚点选左侧,这样新增的空白区域全在右边。空白区域用矩形选框选中,羽化值设 30 像素,稍微往原图里带一点,让过渡自然。
第二步写提示词。“warm wooden counter, blurred shelves with coffee beans, soft afternoon light from the window”,描述的是吧台向右延伸应该出现的东西。重绘幅度设 0.55,采样步数拉到 40,生成三版备选。第一版右侧墙面颜色偏冷,跟原图的暖光不搭,弃掉。第二版吧台线条接上了,但远处货架上的罐子形状有点歪。第三版整体最稳,接缝几乎看不见,选了它。
第三步局部修正。把图放大到 300%,接缝附近有一小段吧台边缘的阴影对不上,用套索工具圈出来,缩小选区重新跑一次生成,这次只给了很少的提示词“same shadow tone”,重绘幅度降到 0.35,跑出来的补丁贴上去基本无痕。最后导出,存成 PNG,色彩配置文件跟着原图走,文件大小 4.2MB,发公众号足够清晰。全程大概七分钟,比我以前手动修半天效率高太多。
2.5 扩展质量评估清单、常见问题排查与不同场景的参数复用建议
图扩完了别急着关软件,我有一套自己的检查清单。先把整张图缩到 25% 看整体,色调统一不统一,构图重心有没有跑偏。再放到 100% 沿着接缝走一圈,有没有明显的线条断裂、色块拼接。最后放大到 200% 看细节,文字有没有糊、纹理有没有重复。三步走完,没问题再导出。这个习惯帮我拦下过不少次“远看还行近看稀碎”的图。
常见问题我列几个高频的。接缝处出现一条亮线或者暗线,多半是过渡带太窄或者羽化值不够,把选区往外扩一圈重新生成。扩展区域颜色偏灰偏暗,检查提示词里有没有写清光线条件,重绘幅度适当调高一点。出现重复的窗户、重复的砖块,是模型在填充大面积区域时偷懒,缩小单次扩展的面积,分两次扩能缓解。人像扩图之后手部变形,这个基本没救,扩的时候把人手排除在边界之外,或者扩完用局部重绘单独处理。
参数复用这块我有几个固定的预设。风景和自然环境:重绘幅度 0.65,过渡带 64 像素,提示词写天气和光线。室内和建筑:重绘幅度 0.5,过渡带 48 像素,提示词写材质和透视方向。电商产品图:重绘幅度 0.4,过渡带 32 像素,提示词写背景纯色或者渐变,越简单越稳。人像:重绘幅度 0.35,过渡带 24 像素,提示词只写环境不写人,边界避开人脸和手。这些数字不是死的,每次还得看原图情况微调,但有个起点总比从零开始强。