AI绘图开源工具Stable Diffusion WebUI前端API对接

背景

本文主要介绍 AI 绘图开源工具 Stable Diffusion WebUI 的 API 开启和基本调用方法，通过本文的阅读，你将了解到 stable-diffusion-webui 的基本介绍、安装及 API 环境配置；文生图、图生图、局部重绘、后期处理等 API 接口调用；图像处理开发中常用到一些方法如 Base64、PNG、Canvas及 URL 相互转换、Canvas 颜色转换等。

AI 绘图工具目前市面上比较广泛使用的主要有两款，一个是 Midjourney，它提供面向用户有好的操作界面，文生图、图生图等功能非常强大，但是它是一款收费软件；另一个就是开源工具 Stable Diffusion, 同样具有强大的AI绘图和图片再创造能力，但是学习成本和上手难度相对较大，不过由于它是开源的，现在有非常多的用户和开发者，我们可以找到丰富的训练模型和学习资源。本文介绍的 Stable Diffusion WebUI 就是基于 Stable Diffusion 的具有比较完善的可视化操作界面的 AI 绘图开源工具，它的 github 访问地址是 https://github.com/AUTOMATIC1111/stable-diffusion-webui。

顺便一提，本文上方的 Banner 图就是使用 Stable Diffusion 生成的 😎

使用体验

在正式开发之前，我们可以先体验一下 Stable Diffusion WebUI 以及两个接口封装和操作界面比较优秀的 AI 绘图网站，了解文生图、图生图、后期处理等基本操作步骤。

环境配置

安装 Stable Diffusion WebUI

我们首先需要先在本地或者服务器安装部署 Stable Diffusion WebUI，可以从Github克隆仓库，然后按说明文档进行安装，对前端开发来说安装流程非常简单，详细安装流程大家可以自行搜索，现在网上已经有很多保姆级的教程，本文不再赘述。

安装完成后，在 Windows操作系统中进入 stable-diffusion-webui 根目录，然后双击 webui-user.bat 文件即可开启本地运行服务，在浏览器中输入 http://localhost:7860 加载如下所示的界面。在 txt2img 输入框中输入需要生图图像的的正向关键词和反向关键词，点击 Generate 按钮即可生成图像。

完成基本安装后，还可以安装界面汉化插件、关键字中文翻译插件、自己喜欢的风格模型等，都可以按照教程非常容易实现。

开启 API 功能

在 stable-diffusion-webui 根目录下找到文件 webui-user.bat，使用编辑器打开这个文件，然后在 COMMANDLINE_ARGS 配置项后面添加 --api。

set COMMANDLINE_ARGS= --lowvram --precision full --api --listen

然后双击 webui-user.bat 重启服务，此时在浏览器中输入地址 https://localhost:7860/doc，就能看到如下所示的所有接口文档了，我们可以从文档中找到需要接入的接口及详细参数。

💡 我们还可以配置如上所示的 --listen 参数，这样就可以通过局域网访问 stable-diffusion-webui 的接口了。

实现

文生图

文生图接口，可以通过向 stable-diffusion-webui 服务发送正向关键字、反向关键字、图片尺寸、采样步数等参数来调用AI能力生成图片。我们先来看看它有哪些可配置的 payload 参数选项。（暂时只用到后面写了注释的参数，基本上可以满足大部分文生图参数配置）

{
 "enable_hr": false, // 开启高清hr
 "denoising_strength": 0, // 降噪强度
 "hr_scale": 2, // 高清级别
 "hr_upscaler": "string",
 "hr_second_pass_steps": 0,
 "hr_resize_x": 0,
 "hr_resize_y": 0,
 "hr_sampler_name": "string",
 "hr_prompt": "",
 "hr_negative_prompt": "",
 "prompt": "", // 正向关键字
 "styles": [
 "string"
 ],
 "seed": -1, // 随机种子
 "subseed": -1, // 子级种子
 "subseed_strength": 0, // 子级种子影响力度
 "seed_resize_from_h": -1,
 "seed_resize_from_w": -1,
 "sampler_name": "string",
 "batch_size": 1, // 每次生成的张数
 "n_iter": 1, // 生成批次
 "steps": 50, // 生成步数
 "cfg_scale": 7, // 关键词相关性
 "width": 512, // 生成图像宽度
 "height": 512, // 生成图像高度
 "restore_faces": false, // 面部修复
 "tiling": false, // 平铺
 "do_not_save_samples": false,
 "do_not_save_grid": false,
 "negative_prompt": "string", // 反向关键字
 "eta": 0, // 等待时间
 "s_min_uncond": 0,
 "s_churn": 0,
 "s_tmax": 0,
 "s_tmin": 0,
 "s_noise": 1,
 "override_settings": {}, // 覆盖性配置
 "override_settings_restore_afterwards": true,
 "script_args": [], // lora 模型参数配置
 "sampler_index": "Euler", // 采样方法
 "script_name": "string",
 "send_images": true, // 是否发送图像
 "save_images": false, // 是否在服务端保存生成的图像
 "alwayson_scripts": {} // alwayson配置
}

根据需要的参数，在页面逻辑中，我们可以像下面这样实现，此时服务端会根据接口参数，一次生成4张对应的图。接口返回成功之后，我们会接收到一个包含所有图片数据名为 images 的数组，数组项是格式为 base64 的图片，我们可以向下面这样转化为页面上可直接显示的图片。

const response = await txt2img({
 id_task: `task(${taskId})`,
 // 正向关键词
 prompt: 'xxxx',
 // 反向关键词
 negative_prompt: 'xxxx',
 // 随机种子
 seed: 'xxxx',
 // 生成步数
 steps: 7,
 // 关键词相关性
 cfg_scale: 20,
 width: 1024,
 height: 1024,
 // 每次生成的张数
 batch_size: 4,
 // 生成批次
 n_iter: 1,
 // 采样方法
 sampler_index: 'xxxx',
 // 采用的模型哈希值
 sd_model_hash: 'xxxx',
 override_settings: {
 sd_model_checkpoint: sdModelCheckpoint,
 eta_noise_seed_delta: 0.0,
 CLIP_stop_at_last_layers: 1.0,
 },
})
if (response.status === 200 && response.data) {
 try {
 const images = response.data.images;
 if (images.length === 0) return;
 data.imageUrls = images.map(item => `data:image/png;base64,${item}`);
 } catch (err) {}
}

生成效果就是本文 Banner 图中的粉色长头发的 3D 卡通风格小姐姐 ✨ ，正向关键字大致是 girl, long hair, pink，模型采用的是 3dAnimationDiffusion_v10，其他参数可自行调节。本文后续实例的图生图、图优化都将采用这张图作为参考图进行演示。

图生图

图生图接口，stable-diffusion-webui 将根据我们从接口传送的参考图，生成内容和风格类似的图片，就像最近抖音上很火的瞬息全宇宙特效一样，也可以将同一张图片通过选择不同模型转化为另一种画风。下面是图生图接口的详细 payload 参数，可以观察到基本上和文生图是一样的，多了一些与参考图片相关的配置，如 init_images。

{
 "init_images": [
 "string"
 ],
 "resize_mode": 0,
 "denoising_strength": 0.75,
 "image_cfg_scale": 0,
 "mask": "string",
 "mask_blur": 0,
 "mask_blur_x": 4,
 "mask_blur_y": 4,
 "inpainting_fill": 0,
 "inpaint_full_res": true,
 "inpaint_full_res_padding": 0,
 "inpainting_mask_invert": 0,
 "initial_noise_multiplier": 0,
 "prompt": "",
 "styles": [
 "string"
 ],
 "seed": -1,
 "subseed": -1,
 "subseed_strength": 0,
 "seed_resize_from_h": -1,
 "seed_resize_from_w": -1,
 "sampler_name": "string",
 "batch_size": 1,
 "n_iter": 1,
 "steps": 50,
 "cfg_scale": 7,
 "width": 512,
 "height": 512,
 "restore_faces": false,
 "tiling": false,
 "do_not_save_samples": false,
 "do_not_save_grid": false,
 "negative_prompt": "string",
 "eta": 0,
 "s_min_uncond": 0,
 "s_churn": 0,
 "s_tmax": 0,
 "s_tmin": 0,
 "s_noise": 1,
 "override_settings": {},
 "override_settings_restore_afterwards": true,
 "script_args": [],
 "sampler_index": "Euler",
 "include_init_images": false,
 "script_name": "string",
 "send_images": true,
 "save_images": false,
 "alwayson_scripts": {}
}

在页面接口逻辑中，我们可以通过以下方法实现，其他参数和文生图都是一样的，我们只需要把参考图以 base64 格式添加到 init_images 数组即可。

const response = await img2img({
 // 正向关键词
 prompt: prompt,
 // 反向关键词
 negative_prompt: negativePrompt,
 // 初始图像
 init_images: [sourceImage.value],
 // 尺寸缩放
 resize_mode: 0,
 // ...
});

我们将文生图示例中的图片作为参考图，然后将大模型切换为 墨幽人造人_v1030，就能得到如下图所示的真人写实风格的图片。

局部重绘

图生图 API 还可以实现图片局部重绘、涂鸦、重绘蒙版、高清放大、图像扩充等效果。本文中，我们简单讲解以下如何实现局部重绘功能。

要实现局部重绘功能，首先我们需要使用 Canvas 创建一个画布，然后通过鼠标移动在画布上涂抹出需要重绘的路径，在实际开发时我们可以实现一个如下图所示的图片重绘编辑器，右侧图片黄色区域 🟨 是经过画笔涂抹需要重绘修改的区域。涂抹功能可以通过以下代码简单实现，像擦除、画笔大小颜色选择、撤销重做等扩展功能可自行搜索如何实现。

<div>
 <canvas id="canvas"></canvas>
 <img src="your_image.jpg" id="image">
 <button onclick="clearMask()">清除遮罩</button>
</div>
<script>
var canvas = document.getElementById('canvas');
var image = document.getElementById('image');
// 设置canvas宽高与图像尺寸相同
canvas.width = image.width;
canvas.height = image.height;
var ctx = canvas.getContext('2d');
var isDrawing = false; // 是否正在绘制
var lastX = 0;
var lastY = 0;
// 鼠标按下事件处理程序
canvas.addEventListener('mousedown', function(e) {
 isDrawing = true;
 [lastX, lastY] = [e.offsetX, e.offsetY];
});
// 鼠标移动事件处理程序
canvas.addEventListener('mousemove', function(e) {
 if (!isDrawing) return;
 drawMask(e.offsetX, e.offsetY);
});
// 鼠标释放事件处理程序
canvas.addEventListener('mouseup', function() {
 isDrawing = false;
});
// 绘制遮罩函数
function drawMask(x, y) {
 ctx.beginPath();
 ctx.moveTo(lastX, lastY);
 ctx.lineTo(x, y);
 ctx.strokeStyle = 'rgba(0, 0, 0, 1)'; // 设置遮罩颜色（黑色）
 ctx.lineWidth = 20; // 设置遮罩宽度
 ctx.lineCap = 'round'; // 设置线条末端形状为圆形
 ctx.stroke();
 [lastX, lastY] = [x, y];
}
// 清除遮罩函数
function clearMask() {
 ctx.clearRect(0, 0, canvas.width, canvas.height);
}
</script>

涂抹完成后，我们右键保存图片，可以得到如下图左侧所示的图片。但是 stable-diffusion-webui 需要的 Mask遮罩图是涂改区域为纯白色，非修改区域为黑色，且大小需要和原图一致，如右侧图片所示。此时就需要将得到的左侧透明遮罩层转换为右侧需要的遮罩层图片。

Canvas 遮罩层转换方法可以通过如下方式实现，绘制 Mask 图片，Canvas 使用鼠标绘制黑色图案，导出图片时需要把空白部分变为黑色，绘制线条的部分变为白色，并且需要转换成和原图相同的尺寸。其中两个参数 _canvas 是需要转换的画布，_image 是涂抹的原图。其中用于获取图像原始尺寸的方法 getImageOriginSize 可以在本文末尾方法汇总中查看

export const drawMask = async (_canvas, _image) => {
 return new Promise(async(resolve) => {
 const canvas = _canvas;
 const ctx = canvas.getContext('2d');
 const imageData = ctx.getImageData(0, 0, canvas.clientWidth, canvas.clientHeight);
 const imageDataContent = imageData.data;
 // 修改图像数据中的像素颜色
 for (let i = 0; i < imageDataContent.length; i += 4) {
 // 判断透明度是否小于阈值
 if (imageDataContent[i + 3] < 128) {
 // 将透明部分设置为黑色
 imageDataContent[i] = 0;
 imageDataContent[i + 1] = 0;
 imageDataContent[i + 2] = 0;
 imageDataContent[i + 3] = 255;
 } else {
 // 将线条部分设置为白色
 imageDataContent[i] = 255;
 imageDataContent[i + 1] = 255;
 imageDataContent[i + 2] = 255;
 imageDataContent[i + 3] = 255;
 }
 }
 // 将修改后的图像数据导出为图片格式
 const exportCanvas = document.createElement('canvas');
 exportCanvas.width = canvas.clientWidth;
 exportCanvas.height = canvas.clientHeight;
 const exportCtx = exportCanvas.getContext('2d');
 exportCtx.putImageData(imageData, 0, 0);
 // mask放大到和原图一致
 const size = await getImageOriginSize(_image);
 const finalMask = await scaleImage(exportCanvas.toDataURL(), size.width, size.height);
 resolve(finalMask);
 });
}

然后我们将转换后的遮罩图以 base64 的形式作为 mask 参数添加到接口参数中，添加一些正向关键字等参数进行图生图接口请求，返回结果和上述 API 都是一样的，最终就可以得到下面所示的图像，可以观察到被涂抹区域的花朵消失了 🌺。

const response = await img2img({
 init_images: [sourceImage.value],
 mask: data.mask,
 // ...
});

💡 本文实现中将用到非常多关于图像转换的方法，，比如PNG转Base64、URL转Base64、Canvas转Base64等，这些方法的具体实现将放在文章末尾的汇总中。

后期处理

后期处理接口，可以实现图片高清放大、裁切、扩充等功能，有批量和单图调整两种接口，如下所示是单图调整接口。我们先来看看单图优化 API 可以接收的参数有哪些：

{
 "resize_mode": 0,
 "show_extras_results": true,
 "gfpgan_visibility": 0,
 "codeformer_visibility": 0,
 "codeformer_weight": 0,
 "upscaling_resize": 2,
 "upscaling_resize_w": 512,
 "upscaling_resize_h": 512,
 "upscaling_crop": true,
 "upscaler_1": "None",
 "upscaler_2": "None",
 "extras_upscaler_2_visibility": 0,
 "upscale_first": false,
 "image": "" // 原图
}

其他

实用方法

在做 Web 图片处理应用时需要用到很多图片相关的实用方法，以下是一些简单汇总。

① Canvas转Base64/PNG

要将 Canvas 转换为 Base64 格式图像数据，可以使用 Canvas 的 toDataURL() 方法。该方法将返回一个包含图像数据的字符串，其中包括图像的类型，如 image/png 和 Base64 编码的图像数据。

// 获取 Canvas 元素
var canvas = document.getElementById("myCanvas");
var ctx = canvas.getContext("2d");
// 将 Canvas 转换为 Base64 格式的图像数据
var dataURL = canvas.toDataURL();

② 图片URL转Base64

export const convertUrlToBase64 = src => {
 return new Promise(resolve => {
 const img = new Image()
 img.crossOrigin = ''
 img.src = src
 img.onload = function () {
 const canvas = document.createElement('canvas');
 canvas.width = img.width;
 canvas.height = img.height;
 const ctx = canvas.getContext('2d');
 ctx.drawImage(img, 0, 0, img.width, img.height);
 const ext = img.src.substring(img.src.lastIndexOf('.') + 1).toLowerCase();
 const dataURL = canvas.toDataURL('image/' + ext);
 resolve(dataURL);
 }
 });
};

③ Base64转PNG

export const convertBase64ToImage = src => {
 return new Promise((resolve) => {
 const arr = src.split(',');
 const byteString = atob(arr[1]);
 const ab = new ArrayBuffer(byteString.length);
 const ia = new Uint8Array(ab);
 for (let i = 0; i < byteString.length; i++) {
 ia[i] = byteString.charCodeAt(i);
 }
 const file = new File([ab], generateRandomId(), { type: 'image/png' });
 resolve(file);
 });
}

④ 获取图像原始尺寸

export const getImageOriginSize = (src) => {
 return new Promise((resolve) => {
 const image = new Image();
 image.src = src;
 image.onload = () => {
 resolve({
 width: image.naturalWidth,
 height: image.naturalHeight
 });
 };
 });
}

⑤ 等比缩放Base64

export const scaleImage = (src, width, height) => {
 return new Promise((resolve) => {
 const image = new Image();
 image.src = src;
 image.onload = () => {
 const canvas = document.createElement('canvas');
 canvas.width = width;
 canvas.height = height;
 const ctx = canvas.getContext('2d');
 ctx.drawImage(image, 0, 0, width, height);
 resolve(canvas.toDataURL());
 };
 })
};

还有上述文章中提到的将透明彩色 Canvas 转化为 stable-diffusion-webui 局部重绘所需的黑底白色图案方法等。

总结

本文主要包含的知识点包括：

stable-diffusion-webui 的基本介绍
stable-diffusion-webui 安装及 API 环境配置
文生图、图生图、局部重绘、后期处理等 API 接口调用
图像处理开发中常用到一些方法如 Base64、PNG、Canvas及 URL 相互转换、Canvas 颜色转换等

想了解其他前端知识或其他未在本文中详细描述的AI相关开发技术相关知识，可阅读我往期的文章。如果有疑问可以在评论中留言，如果觉得文章对你有帮助，不要忘了一键三连哦 👍。

附录

参考

本文作者：dragonir 本文地址：https://www.cnblogs.com/dragonir/p/17668699.html