【2025 Stable Diffusion WebUI 基础详解】【8.图像的重绘幅度Denoising参数调解详解】

一、Denoising参数的核心机制与底层逻辑

1.1 扩散模型的逆向过程解析

Stable Diffusion的核心是基于潜在扩散模型（Latent Diffusion Model）的逆向去噪过程。在图生图（img2img）模式中，Denoising参数（Denoising Strength）控制着以下关键步骤：

• 噪声注入阶段：将原始图像编码为潜在向量后，根据Denoising值注入高斯噪声。例如，Denoising=0.7时，原始图像的潜在向量会被70%的随机噪声覆盖。
  
• U-Net降噪阶段：通过U-Net网络逐步预测并去除噪声，Denoising值决定了每一步的去噪强度。高Denoising值会加速噪声去除，使生成图像更靠近提示词；低Denoising值则保留更多原图特性。
  
• VAE解码阶段：最终的潜在向量通过VAE解码器还原为像素图像，Denoising值影响解码过程中的细节保留程度。<