AI漫剧制 | 第 27 天：漫画光影——AI生成的光影效果控制恒星 – 网站运维分享-IT技术资源教程-运维成长之路-个人随笔-恒星个人博客网站恒星

第 27/60 天

引言

光影是漫画的「隐形主角」。同一张分镜，加上逆光轮廓、舞台聚光或黄昏斜阳，情绪可以瞬间从平淡变得戏剧化。传统漫画中，光影全靠作者手绘——打网点纸、留白高光、涂黑阴影，一张复杂光影的画面往往要耗费数小时。而 AI 漫画生成时，很多人会遇到两类典型痛点：一是关键词里写了 backlight、dramatic lighting，生成结果却依然「平光平影」；二是光影风格不稳定，同一角色在不同格子里光源方向对不上，导致画面割裂。

本文覆盖三块内容：漫画光影的基础概念与常见类型、用提示词与 ControlNet 精确控制 AI 生成的光影、以及后期合成阶段的光影增强工作流。读完你将能稳定产出「有电影感」的 AI 漫画分镜。

核心概念

漫画光影的语言

漫画光影本质上是用「黑、白、灰」三种层级讲故事：

光影类型	特征	常见用途
硬光（Hard Light）	明暗交界清晰、阴影边缘锐利	戏剧冲突、战斗、恐怖
软光（Soft Light）	过渡柔和、几乎无投影	温馨日常、回忆杀
背光/轮廓光（Backlight/Rim Light）	主体边缘发亮、面部压暗	英雄登场、神秘感
舞台/聚光（Spotlight）	中心亮、四周暗	焦点强调、演讲场景
月光/冷光（Moonlight/Cool Light）	蓝紫色调、高对比	夜晚、悬疑
黄昏/暖光（Golden Hour）	橙黄色调、长阴影	浪漫、离别的情绪

AI 控制光影的四层手段

提示词层：用 lighting、light source 相关词直接描述，改动成本最低，但不可控性最高。
参考图/ControlNet 层：通过 Depth（深度图）、Lineart（线稿）约束光影明暗关系，控制力显著提升。
模型层：使用光影风格 LoRA 或光影增强脚本（如 SD WebUI 的 lighting 动态提示词、Regional Prompter），稳定复现同一风格。
后期合成层：AI 生成素图后，用 PS/脚本叠加高光、阴影、渐变，达到电影调色效果。

关键提示词词汇表

硬光：harsh lighting, strong contrast, hard shadows
软光：soft lighting, diffused light, gentle shadows
背光：backlighting, rim light, silhouette, strong back light
聚光：spotlight, stage lighting, dark background
月光：moonlight, cool tones, blue hour, high contrast
黄昏：golden hour, warm sunlight, long shadows, orange glow
反光：reflected light, bounce light, subsurface scattering

实战步骤

第 1 步：搭建环境（Shell）

推荐使用 Stable Diffusion WebUI + ControlNet 组合，也可以用 Python 的 diffusers 库做脚本化生成。以下命令在 Ubuntu 22.04 上验证通过：

# 创建虚拟环境并安装 diffusers（GPU 版本）
python3 -m venv ~/manga_light && source ~/manga_light/bin/activate
pip install --upgrade pip
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
pip install diffusers transformers accelerate safetensors opencv-python pillow

# 下载 ControlNet Depth 模型（用于光影方向控制）
mkdir -p ~/models/controlnet
wget -O ~/models/controlnet/control_v11f1p_sd15_depth.pth 
  https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11f1p_sd15_depth.pth

第 2 步：建立光影提示词库（JSON）

把常用光影描述做成可复用的 JSON 词库，配合脚本实现「一键换光」：

{
  "lighting_presets": {
    "dramatic_backlight": {
      "prompt": "backlighting, rim light, character silhouette, cinematic, high contrast, dramatic atmosphere",
      "negative": "flat lighting, soft light, overexposed, washed out, low contrast",
      "controlnet_depth_weight": 0.9
    },
    "golden_hour": {
      "prompt": "golden hour, warm orange sunlight, long soft shadows, glowing rim light, nostalgic mood",
      "negative": "cold tones, blue light, harsh shadow, underexposed",
      "controlnet_depth_weight": 0.7
    },
    "moonlight_scene": {
      "prompt": "moonlight, cool blue tones, strong contrast, crisp shadows, night atmosphere, stars",
      "negative": "sunlight, warm colors, bright daylight, flat lighting",
      "controlnet_depth_weight": 0.8
    },
    "spotlight_focus": {
      "prompt": "spotlight from above, stage lighting, dark vignette background, focused subject",
      "negative": "even lighting, bright background, ambient light",
      "controlnet_depth_weight": 0.85
    }
  }
}

第 3 步：用 ControlNet Depth 控制光影方向（Python）

光影本质上依赖光源位置与物体遮挡关系，Depth 图正好编码了这些空间信息。用下面的脚本把角色与「虚拟光源」的深度关系喂给 ControlNet：

import json
from PIL import Image
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, DPMSolverMultistepScheduler
import torch

# 载入预设
with open("lighting_presets.json", "r", encoding="utf-8") as f:
    presets = json.load(f)["lighting_presets"]

preset = presets["dramatic_backlight"]

controlnet = ControlNetModel.from_pretrained(
    "lllyasviel/control_v11f1p_sd15_depth", torch_dtype=torch.float16
)
pipe = StableDiffusionControlNetPipeline.from_pretrained(
    "digiplay/majicMIX_realistic_v7",  # 换成你的漫画底模
    controlnet=controlnet, torch_dtype=torch.float16
).to("cuda")
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)

depth_map = Image.open("panel_depth.png").convert("RGB")  # 由 Depth Estimator 生成

image = pipe(
    prompt=preset["prompt"] + ", 1girl, manga panel, black and white screentone",
    negative_prompt=preset["negative"],
    image=depth_map,
    num_inference_steps=28,
    guidance_scale=7.5,
    controlnet_conditioning_scale=preset["controlnet_depth_weight"],
).images[0]
image.save("panel_backlight.png")
print("OK: panel_backlight.png saved")

第 4 步：ComfyUI 光影工作流（JSON 节点片段）

在 ComfyUI 中，把「提示词 → ControlNet Depth → KSampler」串成可复用的工作流。核心节点 JSON 如下（导入 ComfyUI 后填充模型路径即可）：

{
  "nodes": [
    {
      "id": 1,
      "type": "CheckpointLoaderSimple",
      "inputs": {"ckpt_name": "majicmixRealistic_v7.safetensors"}
    },
    {
      "id": 2,
      "type": "ControlNetLoader",
      "inputs": {"control_net_name": "control_v11f1p_sd15_depth.pth"}
    },
    {
      "id": 3,
      "type": "LoadImage",
      "inputs": {"image": "panel_depth.png"}
    },
    {
      "id": 4,
      "type": "ControlNetApply",
      "inputs": {
        "strength": 0.9,
        "positive": [5, 0],
        "negative": [5, 1],
        "control_net": [2, 0],
        "image": [3, 0]
      }
    },
    {
      "id": 5,
      "type": "CLIPTextEncode",
      "inputs": {
        "text": "backlighting, rim light, cinematic, 1girl, manga panel",
        "clip": [1, 1]
      }
    },
    {
      "id": 6,
      "type": "KSampler",
      "inputs": {
        "seed": 42, "steps": 28, "cfg": 7.5,
        "sampler_name": "dpmpp_2m", "scheduler": "karras",
        "denoise": 1.0,
        "model": [1, 0], "positive": [4, 0], "negative": [4, 1], "latent_image": [7, 0]
      }
    }
  ]
}

第 5 步：后期光影增强（Python + ImageMagick）

AI 生成的光影往往「半吊子」，用脚本在后期强化高光与暗角，是专业漫画家常用的方式：

# 先用 Python 提取高光通道
python3 - << 'EOF'
from PIL import Image, ImageEnhance, ImageOps
img = Image.open("panel_backlight.png").convert("L")

# 1. 提亮高光区域（阈值 200 以上的像素压白）
import numpy as np
arr = np.array(img)
highlights = np.where(arr > 200, 255, arr).astype("uint8")
Image.fromarray(highlights).save("highlights_mask.png")

# 2. 压暗暗部，增强明暗对比
enhancer = ImageEnhance.Contrast(img)
contrast = enhancer.enhance(1.25)
contrast.save("panel_contrast.png")
print("highlight mask and contrast done")
EOF

# 3. 叠加暗角（vignette）提升电影感
convert panel_contrast.png 
  ( -size 832x1216 radial-gradient:black-white -negate ) 
  -compose multiply -composite panel_vignette.png

# 4. 最后转网点风格（可选）
convert panel_vignette.png -colorspace Gray -threshold 55% panel_final.png

第 6 步：整页批处理（Shell）

分镜通常一页 4–6 格，写个循环批量应用同一光影预设，保证整页光源方向一致：

#!/usr/bin/env bash
# batch_light.sh —— 对 panels/ 目录下所有分镜应用背光预设
set -euo pipefail

for panel in panels/*.png; do
  base=$(basename "$panel" .png)
  python3 render_backlight.py "$panel" "out/${base}_backlight.png"
  convert "out/${base}_backlight.png" 
    ( -size 832x1216 radial-gradient:black-white -negate ) 
    -compose multiply -composite "out/${base}_final.png"
  echo "done: ${base}"
done
echo "ALL_PANELS_DONE"

提示：在 SD WebUI 中也可以使用「动态提示词（Dynamic Prompts）」插件，把 {backlighting|golden hour|moonlight} 做成随机骰子，批量产出不同光影的候选图再人工筛选。

常见问题

Q1：提示词写了 dramatic lighting，为什么生成结果还是平光？

模型对单个 lighting 词的响应很弱。需要「效果词 + 来源词 + 对比词」组合，例如 backlighting, rim light on hair, strong contrast, dark background；同时把 flat lighting, soft light, even lighting 写进负面提示词。也可以用 ControlNet Depth 提高结构性控制。

Q2：怎么保证同一角色在多个分镜中光源方向一致？

把光源方向固化到词库中（如统一用 light source from upper left），并在生成后脚本里统一叠加同一方向的渐变高光。另外可用「参考图 + IP-Adapter + 固定 seed」的方式，让每格都参照第一格的明暗关系。

Q3：彩色漫和黑白漫的光影控制有什么不同？

黑白漫靠「网点密度」表达亮度层级，控制重点是高光留白与阴影面积；彩色漫还要控制色温（暖光偏橙、冷光偏蓝）。建议黑白漫用 black and white, screentone, halftone 提示词，彩色漫则把色温词（warm orange / cool blue）视为第一优先。

Q4：阴影边缘出现噪点或涂抹感怎么办？

放大（Hi-res Fix / 4x Upscaler）后再做二值化，或用 ImageMagick 的 -threshold 收紧边缘；也可以在 img2img 阶段以 0.4–0.5 的 denoise 重绘一次，让阴影更干净。

Q5：可以不加 ControlNet 只靠后期调出光影吗？

可以，但效果有限。后期只能增强「已有」的光影关系，无法凭空创造光源逻辑。正确流程是：生成阶段用提示词 + ControlNet 打好光影骨架，后期只做对比度、暗角、色温等锦上添花的增强。