Z-Image 图像编辑工作流:Inpainting + Outpainting + Uncrop 完全指南

يونيو ١٠، ٢٠٢٦

Z-Image 图像编辑工作流:Inpainting + Outpainting + Uncrop 完全指南

发布时间:2026-06-10
作者:Z-Image 技术博客
阅读时间:约 12 分钟
关键词:z-image inpainting, z-image outpainting, z-image uncrop, image editing workflow, z-image edit


引言

图像编辑是 AI 生成领域中最实用的功能之一。Z-Image 系列模型在 Inpainting(局部重绘)、Outpainting(画布扩展)和 Uncrop(智能裁切扩展)方面展现了卓越的能力,配合 ComfyUI 工作流可以实现专业级的图像编辑效果。

本文将系统介绍 Z-Image 的三大核心图像编辑工作流,涵盖从基础操作到高级技巧的完整内容。

Z-Image 图像编辑三大模式概览

模式 用途 核心原理 适用场景
Inpainting 局部修改/修复 遮罩区域重绘 + 上下文融合 物体替换、瑕疵修复、文字修改
Outpainting 画布扩展 边缘像素引导 + 内容推断 构图调整、场景扩展、海报制作
Uncrop 智能裁切扩展 分辨率自适应 + 语义补全 跨平台适配、纵横比转换

Inpainting(局部重绘)工作流

什么是 Inpainting?

Inpainting 是指在已有图像中,对指定区域(由遮罩 Mask 标记)进行 AI 重新生成的技术。Z-Image 的 inpainting 能力基于其强大的上下文理解——它不仅能生成遮罩区域内的新内容,还能确保与周围像素自然融合。

基础 Inpainting 工作流(ComfyUI)

节点结构:

Load Image → Mask → VAEDecode + KSampler (inpaint) → Save Image

关键节点配置:

  1. LoadImage:加载原始图片
  2. ImageToMaskMaskFromColor:创建遮罩区域
  3. VAEEncodeForInpaint:将原图和遮罩编码为潜空间
  4. KSampler(设置 model 为 inpainting 模型):执行生成
  5. VAEDecode:解码输出

Z-Image Turbo 的 Inpainting 优势

Z-Image Turbo 凭借 8 步蒸馏推理,在 inpainting 场景下具有显著优势:

  • 速度:单次 inpainting 仅需 3-5 秒(RTX 4090)
  • 质量:上下文融合度高,边缘过渡自然
  • 一致性:色调、光影与原图保持一致

实用技巧

遮罩绘制技巧:

  • 遮罩区域应略大于实际需要修改的范围
  • 使用羽化(Feather)处理遮罩边缘,避免硬边
  • 对于精细编辑,建议使用高分辨率遮罩(与原图同尺寸)

Prompt 策略:

  • Inpainting 的 prompt 只需描述遮罩区域内期望的内容
  • 无需重复描述整张图片
  • 添加负向 prompt 排除不需要的元素

常见应用场景:

  1. 文字修改:遮盖原有文字,输入新文字内容
  2. 物体替换:遮盖目标物体,替换为新物体
  3. 人脸修复:低质量人脸遮罩后重绘
  4. 瑕疵去除:遮盖噪点、水印、不需要的元素

Outpainting(画布扩展)工作流

什么是 Outpainting?

Outpainting 是将图像画布向外扩展,让 AI 根据已有内容推断并生成新的边缘区域。这是创意构图和海报设计的利器。

Outpainting 工作流实现

核心思路:

  1. 将原图放置到更大的画布上
  2. 空白区域作为遮罩(Mask)
  3. 使用 Inpainting 模式生成扩展内容

ComfyUI 节点结构:

Load Image → ImagePadForOutpaint (设置扩展尺寸) → ImageToMask → VAEEncodeForInpaint → KSampler → VAEDecode → Save Image

关键参数

参数 推荐值 说明
扩展比例 1.5x - 2x 单次扩展不宜过大
种子 固定 保持扩展一致性
CFG Scale 5-7 Z-Image Turbo 推荐值
采样步数 8-12 Turbo 模式 8 步足够

多方向扩展策略

分步扩展(推荐):

  • 先向一个方向扩展(如右侧)
  • 以上一步结果为基础,再向另一个方向扩展
  • 每次扩展比例控制在 30%-50%

四向同时扩展:

  • 一次性向上下左右同时扩展
  • 适用于需要大幅扩展的场景
  • 注意:扩展比例过大可能导致质量下降

实用技巧

保持风格一致:

  • 扩展时使用与原图相同的风格描述词
  • 使用 ControlNet 辅助(如 Canny/Depth)约束构图
  • 多次迭代,每次微调扩展区域

海报制作工作流:

  1. 原始产品照片作为中心
  2. 向外扩展为背景(如自然风光、城市天际线)
  3. 在扩展区域添加装饰元素
  4. 最终输出为完整海报尺寸

Uncrop(智能裁切扩展)工作流

什么是 Uncrop?

Uncrop 是一种特殊的画布扩展技术,它结合了 Outpainting 和智能裁切的能力。与纯 Outpainting 不同的是,Uncrop 可以:

  1. 自动调整纵横比:将 1:1 图片扩展为 16:9、9:16 等
  2. 智能选择扩展方向:基于内容语义判断最佳扩展区域
  3. 保留主体完整性:确保核心内容不被裁切

Uncrop 工作流

ComfyUI 实现方式:

Load Image → Calculate Target Dimensions → ImagePadForOutpaint → Mask → KSampler (inpaint mode) → VAEDecode → Save Image

关键计算逻辑:

# 计算目标尺寸
original_w, original_h = image.width, image.height
target_ratio = 16 / 9  # 目标纵横比
current_ratio = original_w / original_h

if current_ratio < target_ratio:
    # 需要横向扩展
    new_w = int(original_h * target_ratio)
    pad_left = (new_w - original_w) // 2
    pad_right = new_w - original_w - pad_left
else:
    # 需要纵向扩展
    new_h = int(original_w / target_ratio)
    pad_top = (new_h - original_h) // 2
    pad_bottom = new_h - original_h - pad_top

跨平台适配场景

源格式 目标平台 目标纵横比 扩展方向
1:1(正方形) YouTube 封面 16:9 横向扩展
1:1 Instagram 故事 9:16 纵向扩展
3:2 微信公众号封面 2.35:1 横向扩展
4:3 小红书 3:4 纵向扩展

高级技巧

主体保护:

  • 在遮罩中排除包含主体的区域
  • 使用语义分割模型(如 SAM)自动识别主体
  • 确保主体在目标画布中的位置合理

多分辨率输出:

  • 一次性生成多个纵横比的版本
  • 使用脚本批量处理
  • 适用于需要多平台发布的场景

综合工作流:Inpainting + Outpainting 组合

组合场景

实际创作中,往往需要组合使用多种编辑模式:

场景一:产品照片重制

  1. Inpainting:去除原照片中的瑕疵和不需要的元素
  2. Outpainting:扩展画布,创建广告背景
  3. Uncrop:调整最终纵横比,适配发布平台

场景二:艺术创作扩展

  1. Outpainting:将小幅作品扩展为大尺寸
  2. Inpainting:在扩展区域添加细节和装饰
  3. Uncrop:生成多个纵横比的版本

组合工作流示例

原始图片
  ↓ [Inpainting]
修复后的图片(去除瑕疵、修改元素)
  ↓ [Outpainting]
扩展后的图片(更大画布、添加背景)
  ↓ [Uncrop]
多版本输出(1:1, 16:9, 9:16, 3:4)

常见问题与解决方案

Q1:扩展区域与原图风格不一致

原因:Prompt 描述不够准确,或扩展比例过大。

解决方案:

  • 添加更详细的风格描述词(色彩、光影、材质)
  • 缩小单次扩展比例,分多次扩展
  • 使用 ControlNet 辅助约束

Q2:Inpainting 边缘有硬边或不自然过渡

原因:遮罩羽化不足或模型融合能力有限。

解决方案:

  • 增加遮罩羽化半径(10-20 像素)
  • 适当扩大遮罩范围
  • 使用 Z-Image 基础模型而非 Turbo 进行精细编辑

Q3:Outpainting 生成内容重复或模式化

原因:AI 在缺乏明确指导时倾向于重复已有模式。

解决方案:

  • 为扩展区域提供具体描述(如"左侧是森林,右侧是河流")
  • 使用不同的随机种子进行多次尝试
  • 结合 ControlNet 的 Depth/Normal 模式提供结构约束

Q4:Uncrop 后主体位置不理想

原因:自动计算扩展方向时未考虑主体位置。

解决方案:

  • 手动指定扩展方向(而非自动计算)
  • 使用语义分割预识别主体位置
  • 扩展后使用裁切工具微调最终构图

性能优化建议

硬件配置推荐

配置 适用场景 处理速度
RTX 3060 (12GB) 入门级 Inpainting ~8 秒/次
RTX 4090 (24GB) 专业级全套工作流 ~3 秒/次
Mac M4 Max (128GB) 跨平台工作流 ~10 秒/次

批量处理技巧

  • 使用 ComfyUI 的批处理节点同时处理多张图片
  • 对于相同风格的批量编辑,使用固定的 Prompt 模板
  • 预计算遮罩和参数,减少重复操作

总结

Z-Image 的图像编辑能力——Inpainting、Outpainting 和 Uncrop——构成了一个强大的创作工具箱。掌握这三种核心工作流及其组合方式,你可以:

  • 精准编辑:通过 Inpainting 实现像素级的图像修改
  • 创意扩展:通过 Outpainting 突破原始构图限制
  • 跨平台适配:通过 Uncrop 一键生成多平台版本

配合 Z-Image Turbo 的 8 步快速推理,这些工作流的效率得到了显著提升,使其成为专业创作者和日常用户的理想选择。


本文是 Z-Image 技术博客十一期系列的一部分。如果你喜欢这篇文章,请持续关注我们的更多深度技术内容。

Z-Image Team

Z-Image 图像编辑工作流:Inpainting + Outpainting + Uncrop 完全指南 | Blog