2.4　以图生图创作新图像

2.4.1　基本使用方法

Midjourney具有很强的模仿能力，可以使用图像生成技术生成类似原始图像的新图像。这种技术使用深度学习神经网络模型来生成具有相似特征的图像。

在图像生成中，神经网络模型通常被称为“生成对抗网络”，由生成器和判别器两个神经网络组成。生成器负责生成新图像，而判别器负责识别生成器生成的图像是否与真实图像相似。这两个神经网络不断互相对抗和学习，使生成的图像逐渐接近用户上传的参考图像。

具体使用步骤如下。

01 单击命令行中的+按钮，在菜单中执行“上传文件”命令，然后选择参考图像。

02 图像上传完成后，会显示在工作窗口。

03 选中这张图像，然后右击，在弹出的快捷菜单中执行“复制图片地址”命令，然后单击其他空白区域，退出观看图像状态。

04 输入或找到/imagine命令，在参数区先按快捷键Ctrl+V执行粘贴操作，将上一步复制的图片地址粘贴到提示词的最前方，然后按空格键，并输入对生成图片效果、风格等方面的描述，再添加参数，按Enter键确认，即可得到所需的效果。

下左图所示为上传的参考图像，下中图所示为生成的4幅初始图像，下右图所示为放大其中一幅图像后的效果，可以看出整体效果与原参考图像相似，质量不错。

2.4.2　控制参考图片的权重

当用前文所讲述的以图生图的方法进行创作时，可以用图像权重参数--iw来调整参考图像对最终效果的影响程度。较高的--iw值意味着参考图像对最终结果的影响更大。

不同的Midjourney版本模型具有不同的图像权重范围。

对于V5版本，此数值默认为1，数值范围为0.5～2；对于V3版本，此数值默认为0.25，数值范围为-10000～10000。

右图所示为使用的参考图，提示语为flower --v 5 --s 500，下面4组图像为--iw参数分别为0.5（左上）、1（右上）、1.5（左下）、2（右下）时的效果。

通过图像可以看出，当--iw数值较小时，提示语flower对最终图像的生成效果影响更大；但当--iw数值为2时，生成的最终图像与原始图像非常接近，提示语flower对最终图像的生成效果影响不大。

2.4.3　使用自制拼贴图进行创作

使用图生图功能时，一个有用的技巧是自制参考图，这需要有一定的Photoshop软件应用技巧，但却可以得到更符合需求的参考图。用户可以根据自己的想象，将若干个元素拼贴在一幅图中，操作时无须考虑元素之间的颜色、明暗匹配关系，只需考虑整体构图及元素比例即可。例如，下左图所示为使用若干元素拼贴的一幅参考图，可以明显看出各个元素之间的颜色与明暗有很大差异。下中图所示为根据此参考图得到的4幅初始图像，下右图所示为放大后的效果。

下面展示另外两组使用自制图方法制作的图像示例。 EbcT/eVeNr4bWkax1g7X4JxHobwCQ7Xyb92mMybze+WET3m/Gw0DipdHrPWa0wQA