[系列教程](/zh/tutorial "系列教程")[ComfyUI 进阶教程](/zh/tutorial/advanced "ComfyUI 进阶教程")1.1 SD1.5 Canny ControlNet
### [Qwen-Image-Layered 发布 - 支持图像分层编辑的生成模型](/zh/news/2025-12-19-qwen-image-layered-release)
2025/12/19
# ComfyUI 中如何使用 Canny ControlNet SD1.5 模型 - 完整指南
## SD1.5 Canny ControlNet 简介
 Canny ControlNet 是 ControlNet 模型中最常用的一种。它使用 Canny 边缘检测算法来提取图像中的边缘信息,然后利用这些边缘信息来引导 AI 生成图像。
这篇教程是关于 SD1.5 模型的 Canny ControlNet 模型的使用
其它相关内容： [ControlNet 模型安装使用教程汇总篇](/zh/tutorial/advanced/how-to-install-and-use-controlnet-models-in-comfyui) [ControlNet 模型下载地址](/zh/resource/controlnet-models)
### Canny ControlNet 主要特点
* **保持结构** : 能够很好地保持原始图像的基本结构和轮廓
* **灵活性强** : 可以通过调整边缘检测的参数来控制引导的强度
* **适用范围广** : 适合素描、线稿、建筑设计等多种场景
* **效果稳定** : 相比其他 ControlNet 模型,Canny 的引导效果更加稳定和可预测
## 本篇教程准备工作
### 1. 更新 ComfyUI 并安装必要模型
由于部分节点使用的是新的 ComfyUI 节点，所以需要先更新 ComfyUI 到最新版本
* 更新 ComfyUI 请参考 [ComfyUI 更新教程](/zh/tutorial/basic/how-to-update-comfyui)
首先需要安装以下模型:
模型类型| 模型文件| 下载地址
---|---|---
SD1.5 基础模型| dreamshaper_8.safetensors| [Civitai](https://civitai.com/models/4384/dreamshaper)
Canny ControlNet 模型| control_v11p_sd15_canny.pth| [Hugging Face](https://huggingface.co/lllyasviel/ControlNet-v1-1/blob/main/control_v11p_sd15_canny.pth)
VAE 模型(可选)| vae-ft-mse-840000-ema-pruned.safetensors| [Hugging Face](https://huggingface.co/stabilityai/sd-vae-ft-mse-original/blob/main/vae-ft-mse-840000-ema-pruned.safetensors)
### 2. 模型存放位置
请按照以下结构放置模型文件:
📁ComfyUI
├── 📁models
│ ├── 📁checkpoints
│ │ └── 📁SD1.5
│ │ └── dreamshaper_8.safetensors
│ ├── 📁controlnet
│ │ └── 📁SD1.5
│ │ └── control_v11p_sd15_canny.pth
│ └── 📁vae
│ └── vae-ft-mse-840000-ema-pruned.safetensors
### 3. SD1.5 Canny ControlNet 工作流文件下载
SD1.5 Canny ControlNet Workflow
保存下面的图像到本地，在载入工作流后在 LoadImage 节点中选择加载这张图片 
## 工作流说明
这个工作流主要包含以下几个部分:
1. **模型加载部分** : 加载 SD 模型、VAE 模型和 ControlNet 模型
2. **提示词编码部分** : 处理正面和负面提示词
3. **图像处理部分** : 包括图像加载和 Canny 边缘检测
4. **ControlNet 控制部分** : 将边缘信息应用到生成过程
5. **采样和保存部分** : 生成最终图像并保存
### 关键节点说明
1. **LoadImage** : 用于加载输入图片
2. **Canny** : 进行边缘检测,有两个重要参数:
* low_threshold: 低阈值,控制边缘检测的敏感度
* high_threshold: 高阈值,控制边缘的连续性
3. **ControlNetLoader** : 加载 ControlNet 模型
4. **ControlNetApplyAdvanced** : 控制 ControlNet 的应用方式,包含以下重要参数:
* strength: 控制强度
* start_percent: 开始影响的时间点
* end_percent: 结束影响的时间点
## 使用步骤
1. **导入工作流**
* 下载本篇教程的工作流文件
* 在 ComfyUI 中点击 “Load”，或者直接将下载后的 JSON 文件拖入 ComfyUI 中
2. **准备输入图片**
* 准备一张你想要处理的图片
* 使用 LoadImage 节点加载图片
3. **调整 Canny 参数**
* low_threshold 建议范围: 0.2-0.5
* high_threshold 建议范围: 0.5-0.8
* 可以通过 PreviewImage 节点实时预览边缘检测效果
4. **设置生成参数**
* 在 KSampler 节点中:
* steps: 建议 20-30
* cfg: 建议 7-8
* sampler_name: 推荐使用 “dpmpp_2m”
* scheduler: 推荐使用 “karras”
5. **调整 ControlNet 强度**
* strength: 1.0 表示完全跟随边缘信息
* 可以根据需要降低 strength 值来减弱控制
## 使用技巧和建议
1. **边缘检测参数调整**
* 如果边缘太多: 提高 threshold 值
* 如果边缘太少: 降低 threshold 值
* 建议先通过 PreviewImage 预览效果
2. **提示词编写**
* 正面提示词要详细描述你想要的风格和细节
* 负面提示词要包含你想避免的元素
* 提示词要与原始图片的内容相关
3. **常见问题解决**
* 如果生成图像过于模糊: 增加 cfg 值
* 如果边缘跟随不够: 增加 strength 值
* 如果细节不够: 增加 steps 值
## 相关资源
[ControlNet 模型下载](/zh/resource/controlnet-models) [更多 ControlNet 教程](/zh/tutorial/advanced/how-to-install-and-use-controlnet-models-in-comfyui)
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
