Stable Diffusion线稿上色终极指南：SDXL与Lama Cleaner专业处理流程详解
草图线条模糊、杂色干扰，直接导入Stable Diffusion上色效果不佳？问题的根源往往在于线稿质量。模糊的边缘会让ControlNet难以准确识别结构，导致上色错位。专业的线稿预处理是提升效果的关键。
SDLamaCleaner正是解决这一痛点的工具。它利用深度学习模型，自动剥离噪点、锐化线条，输出一张高对比度、背景透明的洁净线稿，为后续上色奠定坚实基础。接下来，我们将梳理几种结合SDLamaCleaner的实用上色工作流。
一、使用SDLamaCleaner预处理线稿
核心目标：为AI提供一张结构清晰、无背景干扰的“施工蓝图”。SDLamaCleaner能有效分离线条与杂色，输出接近矢量化质量的单色线稿，完美契合ControlNet的输入标准。
操作流程简洁：下载官方程序，将原始线稿（建议分辨率不低于1024×1024）拖入主窗口。关键在于勾选“Line Art Enhancement”（线条增强）与“Background Removal”（背景移除）这两个核心选项。点击处理，生成的清洁线稿会自动保存，随后可直接导入Stable Diffusion的ControlNet单元。
二、ControlNet + canny模型直连上色
这是最直接的上色路径之一。它跳过了传统的img2img流程，直接使用canny边缘检测器解析线稿结构，驱动大模型依据提示词生成彩色图像。此方法适用于结构明确、风格统一的线稿。
在WebUI中启用ControlNet，上传处理好的线稿。预处理器和模型均选择“canny”。提示词可强调“线稿、彩色插图、清晰线条、鲜艳色彩”等元素；负向提示词务必排除“灰度、单色、草图、文字、水印、模糊边缘”。采样器推荐DPM++ 2M Karras，步数20左右，CFG Scale设为7，尺寸与线稿保持一致，通常即可获得理想效果。
三、ControlNet + lineart模型+CD-Tuner色彩微调
若需要对肤色、材质色调等进行精细控制，此组合方案更具优势。lineart模型能更好地保留原始线条的笔触韵味，而CD-Tuner插件则允许在潜空间中对色相、饱和度进行实时微调。
首先确保已安装CD-Tuner插件。在ControlNet单元中切换为“control_lineart”模型，预处理器选用lineart_standard。随后，在CD-Tuner面板中开启色彩引导，通过“Hue Shift”调整整体色温，利用“Saturation Boost”增强色彩层次感。提示词需更具体，例如“柔和色调、自然的皮肤阴影、青色夹克、温暖的环境光”。注意将CD-Tuner的权重控制在0.6至0.8之间，避免调色过度导致图像失真。
四、img2img重绘+蒙版局部上色
当线稿已有部分基础底色，仅需对特定区域进行精细化润色或修改时，全局重绘效率低下且易破坏现有结构。此时，img2img的局部重绘功能是理想选择。
需先用图像处理软件（如Photoshop）为需要上色或修改的区域制作蒙版（白色区域代表需重绘部分）。在WebUI的img2img页面，上传底图，并将蒙版粘贴至“Mask”区域。务必勾选“Only masked”和“Inpaint area: Only masked”。在提示词中详细描述目标区域特征，例如“袖口精致的织物纹理、下巴下方真实的阴影、头发的高光反射”。重绘幅度（Denoising strength）建议设置在0.4到0.55之间，以平衡细节增强与原图保留。
五、使用Cutoff插件精确控色
是否遇到过提示词指定“红色裙子”，但生成色彩始终不准确的情况？对于需要严格遵循标准配色的项目（如IP形象设计），Cutoff插件提供了终极解决方案。它允许直接使用RGB色值或色系指令模型，实现像素级的精准色彩控制。
安装插件后，在提示词末尾添加特定语法即可，例如：[hair: #E6B87F], [dress: #2A5C82], [eyes: #4A90E2]。同时，ControlNet仍需加载SDLamaCleaner处理过的线稿作为结构指引，模型可根据画风选择lineart_anime或lineart_realistic。为确保色彩定位精确，建议关闭“Highres fix”功能，并检查Cutoff面板中的色域阈值，默认值0.15通常是安全的起点，阈值过高可能导致颜色溢出边界。
综上所述，从SDLamaCleaner的专业线稿清洁，到ControlNet结合canny或lineart模型的结构控制，再到CD-Tuner调色、img2img局部重绘以及Cutoff的精准控色，这五种方案构成了一个从预处理到精细化上色的完整工作流。根据你的线稿状况与最终效果需求灵活搭配，能显著提升AI线稿上色的可控性与成品质量。