Z-Image

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

6月 10, 2026

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. ImageToMask 或 MaskFromColor：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