2024年户外雾景AI绘画指南：Midjourney低能见度场景生成技巧与参数详解
在Midjourney中生成户外雾景时，如果雾气总显得单薄、缺乏真实低能见度下的厚重与空间压迫感，核心症结往往在于提示词未能精确引导AI的渲染逻辑。你需要用特定的语言指令，去“欺骗”模型主动抑制其生成远景细节的固有倾向，并强化其对大气介质的光学模拟。以下策略能帮助你构建出更具沉浸感的浓雾氛围。
一、嵌入物理级雾气密度与空间阻隔描述
Midjourney对具象、可量化的物理参数响应更佳。避免使用笼统的“fog”，转而采用描述视觉衰减程度的精确语言，这能强制模型压缩画面纵深，并削弱对远端纹理的生成优先级。
例如，在场景描述后追加“dense ground-hugging fog, visibility under 50 meters, no distant landmarks discernible”。这直接设定了能见度阈值，并强调了雾气贴地的物理特性。
或者，用“mist so thick it obscures lower third of mountains, upper peaks barely visible as pale silhouettes”替代简单的“foggy mountains”。这为AI建立了一个分层的视觉遮蔽规则：山体下半部被完全吞噬，仅剩山顶以极淡的剪影形式存在。
还可引入描述光学现象的词组，如“suspended water droplets refracting light, diffused glare reducing contrast to near zero beyond 100m”。这能触发模型对光线散射的模拟，使百米外的景物对比度趋近于消失。
二、绑定时间+气象+光照三重衰减组合
单一天气标签难以稳定输出低能见度效果。将特定时段、极限湿度与微弱光照条件进行组合输入，能协同激活Midjourney内部的大气渲染权重，使远景自动进入一种“信息缺失”的状态。
尝试组合：“pre-dawn riverbank in heavy fog, 98% relative humidity, flat grey light with no directional source”。黎明前、接近饱和的湿度、无方向性的灰平光——这些要素叠加，极易渲染出无阴影、低对比的窒息氛围。
或：“late autumn morning after prolonged rain, saturated air clinging to valley floor, diffused overcast illumination eliminating depth cues”。连绵秋雨后的清晨，饱和空气淤积于谷底，配合阴天漫射光抹去所有深度线索，强化了湿冷空气的滞留感。
也可引入受限的人工光源：“blue hour fog bank rolling inland from coast, sodium-vapor streetlights casting short halos, no background detail beyond 30m”。蓝色时刻，涌上岸的海雾中，钠灯仅能投射出短促的光晕，三十米外细节尽失。
三、引入前景强遮挡与镜头失焦参数
仅模糊远景不足以模拟真实的空间阻隔。需通过近景实体阻断视线路径，并叠加光学虚化指令，向AI明示画面存在物理观察限制，从而抑制中远景结构的生成。
一个有效方法是在提示词开头定调：“extreme shallow depth of field, foreground wet cobblestone path sharply focused, everything beyond 2 meters dissolving into uniform grey opacity”。极浅景深下，仅湿滑的前景石板路清晰，两米外一切融为均匀的灰白。
也可构建受限的第一人称视角：“rain-slicked car windshield view, condensation streaks on glass, blurred roadside trees merging into indistinct smudge”。透过布满雨痕与冷凝水渍的车窗望去，路旁树木融化成无法辨形的色团。
甚至直接调用摄影参数强化失焦的不可逆性：“DSLR lens at f/1.4, focus locked on raindrop on lens hood, background reduced to colorless luminance noise”。f/1.4大光圈下，焦点锁定于遮光罩的雨滴，背景被简化为无色的亮度噪点。
四、启用负面提示精准剔除干扰元素
低能见度图像常因模型的默认补全逻辑而“破功”——意外生成清晰的远景、锐利轮廓或高对比细节。此时，需用强约束的负面提示词（--no）覆盖其内部渲染倾向，确保雾气主导视觉通道。
可在提示词末尾追加：“--no sharp edges, distant details, clear sky, sunbeams, shadows, high contrast, texture definition beyond 5m”。这几乎禁用了所有破坏雾感的关键元素。
若需更彻底地禁用空间推演线索，可加入：“--no mountain outlines, identifiable buildings, horizon line, distinct tree shapes, atmospheric perspective gradients”。让地平线、建筑轮廓等定义空间感的元素彻底消失。
亦可从后期处理角度进行封锁：“--no clarity, definition, resolution, crispness, focus, contrast enhancement, post-processing sharpening”。杜绝任何可能提升画面“可视性”的隐含操作。
五、结合参考图引导雾气空间分布逻辑
当文本描述穷尽后，雾层仍可能出现断裂或厚度不均。此时，导入实拍浓雾图作为视觉参考，能引导Midjourney学习真实雾气在不同海拔、地形与光源下的密度梯度分布，而非进行均匀“涂抹”。
操作上，首先选取一张体现浓密雾气空间分布的实拍图，确保其URL可公开访问。
随后，使用类似指令：/imagine prompt: same fog density and layering as reference, pedestrian walking on Beijing sidewalk at 5am, wet pavement reflecting diffuse glow, no background structures visible --cref [粘贴URL] --v 6.1。核心是要求AI遵循参考图的雾气密度与分层逻辑。
若效果未达预期，可尝试追加--style raw --stylize 100等参数并多次生成，这通常会强化模型对参考图物理特征的服从度。