ComfyUI ControlNet精准控图教程：Canny与OpenPose节点用法

在AI绘画中，随机性往往是一把双刃剑。虽然它能带来惊喜，但在商业设计或角色一致性创作中，我们更需要“指哪打哪”的确定性。ControlNet正是解决这一痛点的关键工具，它允许你上传参考图，让AI严格遵循原图的线条结构或人物姿态进行重绘。

本教程将基于ComfyUI原生工作流，演示两种最常用的ControlNet模式：Canny用于保留物体的轮廓和细节结构，OpenPose用于固定人物的肢体动作。掌握这两者，你就能从“抽卡”转向“精准制图”。

开始前，请确保你的ComfyUI已安装ComfyUI-ControlNet-Aux节点包，并下载了对应的Canny和OpenPose预处理器及模型文件。我们将使用一张标准的人物照片作为输入源。

包含Load Image、Preprocessor、ControlNet Apply和KSampler的基础连接结构

1. 搭建基础ControlNet链路

首先加载一个标准的文生图或图生图工作流。核心在于引入【ControlNet Apply】节点。在空白处双击搜索“ControlNet”，选择【ControlNet Apply】（注意不是Advanced版本，初学先用标准版）。

你需要准备三个关键输入：

1. Conditioning：来自CLIP Text Encode的正向提示词编码。
2. ControlNet：加载具体的ControlNet模型。
3. Image：经过预处理器处理的参考图。

将【Load Image】节点连接到预处理节点，再将预处理后的图像连入【ControlNet Apply】的image端口。最后，将该节点的conditioning输出连接到KSampler的positive输入端。此时，ControlNet的条件约束已介入采样过程。

1. 搭建基础ControlNet链路

2. Canny模式：精准复刻线条结构

Canny算法擅长提取图像的边缘信息。当你希望生成的图片保留原图的建筑轮廓、产品外形或复杂线稿时，这是首选方案。

在【ControlNet Loader】中选择名为t2iadapter_canny或control_v11p_sd15_canny的模型（根据你的底模版本选择SD1.5或SDXL对应模型）。

接着，添加【Canny Edge Preprocessor】节点。将原图接入该节点，调整low_threshold和high_threshold参数。通常默认值即可，若线条过碎可调高阈值，若线条缺失则调低。你会看到预览窗口中，彩色照片变成了黑白线稿。

左侧为原图，右侧为Canny预处理后的黑白线稿

将处理后的线稿图接入【ControlNet Apply】。在采样器中，适当降低Denoise（去噪强度）至0.6-0.8之间，以保证结构不被过度破坏。点击生成，你会发现新图严格遵循了原图的边缘走势，但材质和光影完全由提示词决定。

3. OpenPose模式：锁定人物动态

如果需要改变人物服装或背景，但必须保持原有的跳舞、跑步等特定姿势，Canny会受衣物褶皱干扰，此时应切换为OpenPose。

更换【ControlNet Loader】中的模型为control_openpose系列。同时，将预处理节点替换为【OpenPose Preprocessor】。

OpenPose处理器会自动识别图中的人体关键点，并生成一张只有彩色火柴人的骨架图。这张图忽略了外貌细节，只保留关节角度和肢体位置。

连接方式与Canny一致。值得注意的是，OpenPose对人物完整性要求较高。如果原图中人物被遮挡严重，骨架识别可能会出错。生成时，你可以大幅修改提示词中的服装描述，例如将“T恤”改为“机甲”，但人物的举手投足将与原图保持高度一致。

4. 权重与起止步数调节

ControlNet并非越强越好。在【ControlNet Apply】节点中，有两个关键参数决定控制的力度：

• Strength（强度）：默认为1.0。若发现生成图过于僵硬或缺乏创意，可降至0.7-0.8；若结构跑偏，则维持在1.0或略高。
• Start% / End%：控制ControlNet生效的时间段。通常设为0.0到1.0。若希望后期更多发挥AI想象力，可将End%设为0.8，让最后20%的采样步骤脱离控制网约束，使画面更自然。

展示Strength、Start%和End%参数的调整位置

5. 验证效果与工作流保存

完成设置后，对比原图与生成图。Canny模式下，检查边缘是否对齐；OpenPose模式下，检查手脚关节位置是否偏移。

若效果满意，选中所有相关节点，右键选择“Save as Group”或直接保存整个工作流为JSON文件。建议将Canny和OpenPose分为两个独立的工作流模板，以便后续快速调用。通过这种模块化的方式，你可以轻松应对线稿上色、姿势迁移等多种精准控图需求。

原图结构与AI重绘后的效果并列展示