1、原理
这个方法需要一个真实模型，以便让修复的照片看起来比较像，我这里选择：realisticVisionV20，大家有更好的给我推荐哦。
还需用搭配两个特殊设置：
ControlNet Tile：这是一个ControlNet模型，用于放大和补充细节。
ADetailer：这是一个插件，用于修复人脸，也需要加载对应的模型。
我从网上找了一张比较模糊的照片（如有侵权，请告知替换）。
2、实操
打开Stable Diffusion WebUI，进入“图生图”界面。
（1）选择好大模型，填写合适的提示词和反向提示词。
注意提示词需要匹配照片。不会写的同学，可以使用WebUI中的反向推导工具先生成一个，然后再进行修改，我这里贴出这张图的提示词：
（2）基础生成参数设置。
图生图这里上传待修复的图片：
缩放模式：裁剪，不改变尺寸的情况下这个没影响，改变尺寸的时候会截取。
采样器：Euler a
采样步数；20
尺寸：768*1064，想要出图的尺寸，一般原图尺寸就可以，生成好了再裁减。
提示词引导系数：7，这是默认值，出图不满意的时候可以调整试试。
重绘强度：这里选择1，以更好的补充细节，可以根据实际情况调整 。
图像生成种子：-1，代表随机种子，建议不要固定，否则每次出来的都一样。
（3）设置ControlNet Unit
在第一个Unit中上传原图；勾选“启用”，否则ControlNet不生效；勾选“Pixel Perfect”，勾选“Allow Preview”。
这里选择Control类型为 Tile，注意预处理器和模型都要对应上，都是包含tile的，一般WebUI会自动选择上，没有自动的需要自己选择；
Control Weight 用来控制Tile的权重；
Starting Control Step 和 Ending Control Step 用来控制ControlNet介入图像生成的步骤。
如果想让SD更自由发挥一下，可以调整下权重和介入步数，这里采用默认值。
（4）修脸插件
对于修复大爷的照片，这里感觉没什么用，如果生成效果不好的话，可以试试它。
（5）最后点击生成，看看效果，还不错！
