欢迎各位小伙伴们继续回到小江老师康复I新一期的教程。上节课我们讲解了ComfyUI视频转会的第一部分，即图像处理。今天我们将教授剩余内容，这节课教授大家如何使用ctrl net处理之前上节课制作的图片。这是一个工作流，我们将分为几节课讲解。
首先我们清空这部分，寻找纹身图的工作流，删除这些。我们需要创建效率节点，需要一个效率采样器和一个效率加载器。我们先创建这个内容，接下来向大家介绍模型的名称，我准备使用动漫风格模型，因为我们需要将视频转换成动漫风格。Va ae使用1.5版本的84万vae自带，本节课我们不带laura，如果大家想带也可以。我们在有一节课中为大家讲解权重差值方式，我们可以选择ComfyUI，也可以选择偏向于SD的A111。
我们完成这些内容之后将其放置一边，接下来我们如何调用之前处理好的图片？首先我们需要几个节点，新建节点在条件下有control net，旧版的高级应用使用起来会更加简洁。另外我们需要加载之前处理好的图像，右键新建节点，在图像里面有加载图像路径。在这里我们可以直接选择之前处理好的图像存放位置，在我们的文件夹中，即ComfyUI的根目录。
我们需要找到output文件夹，之前的文件都存放在这里。例如第一个con net，我们需要处理捕捉的图片，选择空白的地方，CTRL+ C复制并粘贴到路径中。图像加载上线时我们不对其进行约束，另外我们需要与它相连。
我们需要加载一个CTR net加载器，我们这一组使用DW姿态检测，这里需要切换到open POS模型。另外我们需要依次将剩余的部分连接起来。我们共创建了4个文件夹，返回到这边。第二个是我为它保存一个线条路径，并将其更换过来。我们也需要将其变成线条soft edge.
接下来我们将使用相同的晃挡将其拖拽过来，之后进行连接。我们将使用深度图操作将路径粘贴进来。我们选择深度模型，完成这些之后可以将正面条件和负面条件相连。最后一个有所不同，我来给大家说明一下，这里有误。虽然我们的CTR net加载器可以使用，但是它只能处理单张片。对于接近60张左右的批量图片无法使用，因此我们删除之后单独连接。Ctrl net加载器高级好，在这里我们将再次进行更换。
将其删除，并拉出CTRLT加载器高级。这是soft edge.接下来，我将删除CTRLLT加载器高级。第一个是open POS文件夹。为了使工作流更加干净和简洁，我向大家推荐一个节点。在右键新建节点里，KJ节点包含获取和设置节点。它们具体是什么意思？
我们返回到效率加载器。例如正面条件，按照道理而言，我们需要直接将其拉过来连接到contra net。我们可以通过KG节点中断，隔空进行加载。具体操作是右键KG节点获取节点，让它与正面条件相连，然后输入一个名称为初始的正面条件。
我们返回到ctrl net后需要获取KG节点。我们将其与正面条件相连，打开后可以看到初始正面条件，这意味着正面条件的参数可以隔空传输到这里，直接连接。同理，我们再复制一个，与它进行相连，这是初始的负面条件。
负面条件。这里也是同样的，我们可以直接复制获取节点，在这里可以看到我们也可以选择初始负面条件，接着同理复制，再复制一个连接雷的。还有。VAE.OK.创建完成之后，需要用到的就可以直接调用。刚才我们创建了三个controlttra net，当然，我们还有一个抠图的文件夹，它并不属于controlttra net里面。这里会有所不同，我们右键新建节点，在靠高级controlr net里面有一个高级的controlr net应用，我们将它和它相连。另外图像这里，我们需要创建一个加载图像的路径，直接复制过来。这个位置是抠图保存的图片文件夹。
我们可以将其粘贴进去。这个稍微有点不同，图像不需要直接连接，可以右键新建节点。在遮罩里有一个图像到遮罩，我们通过这个通道对它进行转换。遮罩后面也不是直接连接，右键新建节点在遮罩里面，有一个遮罩反转，我们再给它连接起来。这个就做完了，为什么说我们需要用到遮罩反转？
这里给大家看一下，目前我们的遮罩主要针对人物，如果重绘，只是改变人物，而背景没有改变。进行反转后，背景可以单独做到固定重绘，再由其他方式变成你指定的样子，这样可控性会非常高，由此得出最后的高级CTRLL应用，主要控制背景。因此，在图像方面可以单独进行图片加载，这张图片是你想要的风格背景参考，类似于我们之前给大家讲的风格转换课程。
我们看一下这个人物，例如我的背景需要参考一张图片的元素，直接将其加载即可。其中还有一个步骤，我认为这样做会更好。首先让contra net对其进行预处理，留出一些重点特征。接下来我们可以右键新建节点controlrl的预处理器，在线条里有一个艺术线的预处理器，将其连接过来。
我们需要加载contr net模型处理预处理的结果。在这里，我们选择一个相同的CTR net模型即可将它们一一对应。完成之前的处理之后，我们可以使用刚才提到的KG节点，之后是设置节点与它相连，最后我们书写一个最终结果。
请输出正面条件，避免混淆。这是最终负面条件输出。完成后，我们可以通过ctrl net模型依次识别之前预处理好的图片，这是一个完整流程。我们可以创建一个组，新建一个框。Con.Con net.处理。点击右下角的按钮，我们可以将其进行拖拽、放大或者缩小。
这样会显得相对简洁。接下来我们来讨论下一部分内容。首先，我们的模型需要使用一些特殊的，即之前提到的LCM模型。如果大家不知道如何下载，可以在Lib上搜索模型的名称。我们先加载，拉出模型之后有一个Laura加载器。接下来，模型和克利将与它进行相连接，LCM的全名就是这个。
我下载了两个SD叉L和LCM1.5的模型，我选择1.5。大家可以在lieb Li卜上搜索L cm Laura，下载完成后直接存储在Laura的存放位置，即可直接调用。关于LCM模型，我们需要使用模型离散采样算法。这个位置之前提到过右键，在高级里有一个模型。
模型离散采样算法是第一个，我们进行连接。在采样过程中有一个LCM的采样算法，除此之外，可力卜仍然使用KG节点，直接拖过来进行连接。我们需要修改名字clip输出。我们这边已经设置好了。接下来我们需要关注参数方面的问题，大家还记得我们之前设置过预处理的图片吗？
当时我们设置的是400×700的分辨率，因此我们需要将这些东西改换为输入，右键将其转换为输入宽度、输入高度以及批次大小。转换完成之后，我们到上面的地方加载图像路径，需要使用右键新建节点，在ctrl net预处理器中有图像分辨率。
我们可以在这里将图像连接，连接之后在后方可以直接使用KG节点，右键KG节点进行节点设置。分别进行连接，输入原图宽度和高度，分别确定。确定之后，我们也可以使用KG节点获取节点。对于连接宽度、高度、原图高度以及批次大小，我们可以直接创建原节点即可使用工具，原节点与它相连。我们可以输入需要一口气处理多少张图片。我先设置成一，可以先去查看。
这是模型的工作流，新建一个框，输入模型的工作流。我们将框拖动，将内容框住。这里可以适当调整大小，让其更加简洁，每一步都显示得完全一些。将它拖动上来。我们先删除效率采样器。