AI绘画+Python后处理：从提示词到批量生成Q版大头像

从今天开始记录一个很有意思的玩法：用 AI 生成工具“摸”一张高质量的大头照。这里说的“大头”，不是随手一截的放大图，而是类似大头贴、Q 版头像、二次元大头、半身人像特写这类视觉冲击力很强的头像图。我会把 Day 1 的完整流程拆开写清楚，包括环境准备、提示词写法、出图参数、Python 后处理，以及自动化批量的思路。无论是想给自己做一套社交头像，还是想做批量素材生成工具，这篇教程都适用。

1. 什么是“摸一张大头”：概念与适用场景

很多刚接触 AI 绘画的朋友，看到别人随手就生成一张很有氛围感的头像，都会好奇这是怎么做到的。“摸一张大头”其实就是一次典型的文生图创作，目标产物是一张以人物头部、肩部为主体，构图紧凑、风格鲜明、辨识度高的图像。

从技术角度看，这类“大头”图像有三个关键特征：

• 构图高度聚焦，人脸占据画面大部分区域。
• 分辨率要求高，面部细节经得起放大查看。
• 风格化明显，常见的有日系二次元、韩系厚涂、赛博朋克写实、手绘水彩等。

这种图的应用场景非常广泛。个人可以拿来当微信、QQ、知乎、GitHub 头像；做自媒体的朋友可以用来做文章封面图和视频封面；做电商和运营的，也能批量生成角色立绘和品牌形象素材；再往工程方向发展，可以接入自动化流程，做成一个“提示词模板 + 批量出图 + 后处理”的头像生产管线。

当然，只靠单一工具通常难以一步到位。这类头像生成过程中，常常会遇到脸部崩坏、背景杂乱、构图偏移、分辨率不足等问题，所以本文采用“ AI 生成 + Python 后处理”的组合思路，先借助大模型完成创意构图，再用图像处理库做精细化修正和样式包装。

下面我们就从零开始，搭建一个可复制的“摸大头”工作流。

2. 环境准备：本机跑通文生图

2.1 硬件与系统要求

跑本地文生图模型，显卡是关键。NVIDIA 显卡优先，显存 8GB 以上体验较好。如果没有独立显卡，也可以使用 CPU 模式生成，但速度会慢很多，或者考虑使用云端 GPU 环境。

操作系统方面，Windows 10/11、Ubuntu 20.04/22.04、macOS 都可以运行，本文以 Windows 环境为例演示，命令在 Linux 上基本通用。

2.2 Python 环境

后处理脚本使用 Python 3.10 或 3.11 即可。建议使用虚拟环境，避免包冲突。

python -m venv avatar_env avatar_env\Scripts\activate pip install --upgrade pip

需要安装的 Python 库如下：

pip install pillow numpy opencv-python rembg

这几个库的作用分别是：

• Pillow：图像读取、缩放、裁剪、合成。
• numpy：矩阵运算，用于图像批量处理。
• opencv-python：人脸检测、图像增强、边缘处理。
• rembg：自动抠图，移除背景，生成透明 PNG。

版本需要根据你的项目实际情况调整。如果你使用的是 Python 3.12，个别版本的 rembg 依赖可能有些问题，建议创建虚拟环境，并按提示安装依赖。

2.3 文生图引擎

目前常见的本地文生图工具有两类。

一类是 Stable Diffusion WebUI，也就是大家常说的 AUTOMATIC1111 项目，浏览器操作，插件生态丰富，适合新手和需要精细调节参数的用户。

另一类是 ComfyUI，节点式操作，适合工作流自动化和批量生产。

本文以 Stable Diffusion WebUI 为例演示，因为它界面直观，参数好讲解。安装时要注意，WebUI 的启动脚本会自动下载 Python 依赖和模型，建议使用国内镜像加速依赖安装。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui

在 Windows 环境下，如果希望加速依赖下载，可以修改webui.bat中的参数，或者直接在系统环境变量中配置 PyPI 镜像。安装完成后运行启动脚本：

webui.bat

启动成功后，浏览器访问http://127.0.0.1:7860即可进入 WebUI 界面。

如果你暂时不想折腾本地部署，也可以使用在线绘画平台，流程同样适用，只是 API 调用的代码需要按平台文档调整。

3. AI 生成“大头”的核心思路

3.1 先想清楚要什么风格

生成之前，先确定风格方向。同一个提示词，在不同底模下效果会差很多。常见的“大头”风格对应的模型类型如下：

如果没有特定模型，也可以选择通用型大模型，再在提示词里加入风格描述词。

3.2 提示词的基本公式

这里我先给出一个比较通用的大头像提示词模板：

best quality, masterpiece, portrait of a girl, head and shoulders, big head, cute face, detailed eyes, soft lighting, clean background, high resolution, 8k, anime style

关键点拆解如下：

• portrait of a girl指定了主体和构图方式。
• head and shoulders控制取景范围，这是“大头感”的关键。
• big head和cute face是风格化修饰。
• detailed eyes、soft lighting控制画面的精致度。
• clean background方便后续抠图。
• anime style指定风格，按需替换。

负面提示词也很重要，可以过滤掉常见失败情况：

lowres, bad anatomy, bad hands, extra fingers, blurry, jpeg artifacts, watermark, signature, deformed, ugly, duplicate, mutilated

这里的思路是：把你不希望出现的元素全部列出来，模型在采样时会尽量避开这些内容。

3.3 采样参数设置

回到 WebUI 的生成页面，有几个参数直接影响大头像效果：

• Sampling method：推荐 DPM++ 2M Karras 或 Euler a。
• Sampling steps：一般 25 到 35 步。步数太多并不会持续变好，反而增加耗时。
• Width 和 Height：建议生成 512x512 或 768x768 的底图，然后再放大。
• Batch count：想批量生成多张候选图时，可以调高这个数值。
• CFG Scale：建议 7 到 9。太高会颜色过重，太低画面偏灰。
• Denoising strength：影响重绘幅度，后续做高清修复时会用到。

一个比较稳妥的初始参数组合是：

采样方法：DPM++ 2M Karras 采样步数：30 宽高：768 x 768 CFG：7.5

如果你的显卡显存有限，可以先从 512 x 512 开始，确认构图没问题后再用 extra 功能局部重绘放大。

3.4 高清修复与细节增强

生成小图之后，面部可能仍然有些模糊。这时可以到 WebUI 的Extras页面做超分辨率放大，或者使用Hires. fix功能在生成过程中直接放大。

Hires. fix 的配置思路是：

• Upscaler：选 ESRGAN_4x 或 R-ESRGAN 4x+ Anime6B。
• Hires steps：10 到 15。
• Denoising strength：0.3 到 0.5，太高会改变面部特征，太低没有修复效果。

这里需要提醒的是，多次放大后，图片文件会变大，但如果不是真的要打印，社交头像一般 1080 x 1080 就足够。

4. 完整实战：从出图到成品头像

下面我们从一张原始生成图开始，完整走一遍后处理流程。假设你已经通过 WebUI 生成了一张 768x768 的大头像，文件名是raw_head.png。接下来用 Python 完成以下操作：

• 读取图片并缩放。
• 自动抠出人物主体。
• 裁剪成适合头像的方形。
• 转换圆形透明头像。
• 添加白色描边和阴影，做成贴纸感。
• 合成到自定义背景上。

4.1 项目目录结构

先创建一个项目目录：

head_avatar/ ├── input/ # 原始生成图片 ├── output/ # 处理后结果 └── process.py # 后处理脚本

4.2 基本读取与缩放

我们先用 Pillow 打开原始图片，并限制最长边不超过 1024 像素。

# 文件路径：head_avatar/process.py from PIL import Image def load_and_resize(image_path, max_size=1024): img = Image.open(image_path).convert("RGBA") img.thumbnail((max_size, max_size), Image.LANCZOS) return img if __name__ == "__main__": img = load_and_resize("input/raw_head.png") img.save("output/s1_resized.png") print("图片尺寸:", img.size)

这段代码的作用很明显，预先把大图缩放到统一尺寸，后续处理更快，也方便批量管理。

4.3 自动抠图获取透明主体

使用 rembg 自动抠图。rembg 会加载一个预训练模型，第一次运行时会下载模型文件，网络不稳定时可能较慢，建议参考官方文档配置镜像。

# 文件路径：head_avatar/process.py from rembg import remove def cutout(img): # img 是 PIL 图像 return remove(img) if __name__ == "__main__": img = load_and_resize("input/raw_head.png") subject = cutout(img) subject.save("output/s2_subject.png") print("抠图完成，透明背景已生成")

执行之后，output/s2_subject.png应该是带透明通道的 PNG 图片。如果背景色与人物衣服颜色接近，可以回到生成阶段把背景改得更干净。

4.4 智能裁剪出头像区域

大部分情况下，人物会位于画面中心偏上。我们可以设计一个简单的占比裁剪算法：将图片切成九宫格，优先保留中心区域，然后向外扩展。

# 文件路径：head_avatar/process.py def smart_crop(img, crop_ratio=0.8): width, height = img.size crop_width = int(width * crop_ratio) crop_height = int(height * crop_ratio) left = (width - crop_width) // 2 top = int((height - crop_height) * 0.3) right = left + crop_width bottom = top + crop_height return img.crop((left, top, right, bottom))

这里的top = int((height - crop_height) * 0.3)意思是裁剪区域稍微向上偏移，因为人物头部通常在中上位置。如果你生成的图是全身图，这个方案可能不够，建议用 OpenCV 做人脸检测后再做中心点裁剪，后面样本代码里会有体现。

4.5 圆形头像与贴纸描边

很多社交平台都支持圆形头像，而圆形裁剪加白色描边会让成品更精致。

# 文件路径：head_avatar/process.py from PIL import ImageDraw def to_circle(img): size = min(img.size) mask = Image.new("L", (size, size), 0) draw = ImageDraw.Draw(mask) draw.ellipse((0, 0, size, size), fill=255) result = Image.new("RGBA", (size, size), (0, 0, 0, 0)) result.paste(img, (0, 0), mask) return result def add_border(img, border_size=8, border_color="white"): old_w, old_h = img.size new_w = old_w + border_size * 2 new_h = old_h + border_size * 2 expanded = Image.new("RGBA", (new_w, new_h), (0, 0, 0, 0)) expanded.paste(img, (border_size, border_size)) mask = Image.new("L", (new_w, new_h), 0) draw = ImageDraw.Draw(mask) draw.ellipse((0, 0, new_w, new_h), fill=255) circle = Image.new("RGBA", (new_w, new_h), border_color + "FF") circle.putalpha(mask) result = Image.alpha_composite(circle, expanded) return result

完成之后，成品就是一个带白色环状描边的圆形透明头像。

4.6 合成自定义背景

如果不想直接使用透明图，还可以合成到渐变背景上，生成更完整的封面图。

# 文件路径：head_avatar/process.py def paste_on_background(avatar, bg_color="#F5E6D3"): canvas = Image.new("RGBA", (avatar.size[0], avatar.size[1]), bg_color + "FF") canvas = Image.alpha_composite(canvas, avatar) return canvas if __name__ == "__main__": img = load_and_resize("input/raw_head.png") subject = cutout(img) croped = smart_crop(subject, 0.85) circle = to_circle(croped) with_border = add_border(circle, border_size=10) final = paste_on_background(with_border, "#FFE8D6") final.save("output/avatar_final.png") print("成品头像生成完毕")

到这里，我们就已经从一张 AI 生成图得到了一张可用于社交平台的成品头像。

4.7 引入 OpenCV 人脸检测提高裁剪准确度

刚才的居中裁剪适合大部分情况，但如果你生成的是半身图或侧面图，可能需要自动检测人脸位置。我们可以用 OpenCV 的级联分类器做人脸区域检测。

# 文件路径：head_avatar/face_crop.py import cv2 import numpy as np from PIL import Image face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + "haarcascade_frontalface_default.xml" ) def face_center_crop(img, expand_ratio=1.6): arr = np.array(img.convert("RGB")) gray = cv2.cvtColor(arr, cv2.COLOR_RGB2GRAY) faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) if len(faces) == 0: return img x, y, w, h = faces[0] face_center_x = x + w // 2 face_center_y = y + h // 2 side = max(w, h) * expand_ratio left = int(max(face_center_x - side / 2, 0)) top = int(max(face_center_y - side / 2, 0)) right = int(min(face_center_x + side / 2, img.width)) bottom = int(min(face_center_y + side / 2, img.height)) return img.crop((left, top, right, bottom))

需要注意，OpenCV 默认的人脸检测器对卡通图检测效果一般，如果是二次元图片，建议先使用 SD WebUI 的面部修复模型，或者人工筛选之后再裁剪。

5. 批量摸大头：从一张到一百张

单张生成之后，自然会想批量生产。批量生产分两步：批量生成候选图和批量后处理。

5.1 批量生成候选图

在 Stable Diffusion WebUI 中，把 Batch count 设置为 10，就能一次性生成 10 张不同构图和表情的大头图。如果对风格一致性要求高，可以使用同一个种子值，再微调提示词中的表情描述。

5.2 批量后处理脚本

我们可以写一个批量处理脚本，遍历input目录中的所有图片，自动执行抠图、裁剪、圆形化、加描边。

# 文件路径：head_avatar/batch_process.py import os from PIL import Image from tqdm import tqdm from process import load_and_resize, smart_crop, cutout, to_circle, add_border def process_folder(input_dir, output_dir, border_size=8): os.makedirs(output_dir, exist_ok=True) files = [f for f in os.listdir(input_dir) if f.lower().endswith((".png", ".jpg", ".jpeg", ".webp"))] for file in tqdm(files): try: img_path = os.path.join(input_dir, file) img = load_and_resize(img_path) subject = cutout(img) img_crop = smart_crop(subject, 0.85) circle = to_circle(img_crop) result = add_border(circle, border_size=border_size) out_path = os.path.join(output_dir, os.path.splitext(file)[0] + ".png") result.save(out_path) except Exception as e: print(f"{file} 处理失败: {e}") if __name__ == "__main__": process_folder("batch_input", "batch_output")

这个脚本虽然简单，但已经构成了自动化的雏形。你可以用操作系统自带的定时任务，把它封装成一个每天定时执行的自动头像生产脚本。

5.3 简单质量筛选

在批量产出中，并不是每张都能用。可以编写简单的启发式筛选逻辑：

# 文件路径：head_avatar/quality_check.py import numpy as np from PIL import Image def is_sharp(image_path, threshold=80): img = Image.open(image_path).convert("L") arr = np.asarray(img, dtype=np.float32) laplacian = np.gradient(arr)[0] variance = np.var(laplacian) return variance > threshold

这种方法只是粗略判断清晰度，并不能判断“脸部崩坏”。如果希望自动筛选脸部质量，需要接入人脸检测加五官完整度判断，复杂度高一些，建议还是先靠人工过一遍。

6. 常见问题与排查思路

6.1 生成出来的脸崩坏

这是最常见的问题。现象是五官扭曲、眼睛一大一小、嘴角变形。

可能原因：

• 采样步数不足。
• 底模对当前提示词不适配。
• 生成分辨率太低，脸部修复无效。

解决方案：

• 把采样步数提高到 30 以上。
• 尝试更换底模或添加人脸修复增强 LoRA。
• 开启 ADetailer 插件，对脸部区域单独重绘。

6.2 背景抠不干净

现象是抠图后，人物边缘还有白色或杂色残留。

可能原因：

• 原始图背景与人物颜色相近。
• rembg 模型对复杂背景误判。

解决方案：

• 生成时在提示词中加入solid white background或clean background。
• 使用纯色背景生成后，再使用 Python 的颜色阈值清除边缘。
• 尝试使用 rembg 的 u2netp 或 sam 模型。

6.3 生成大尺寸图片时显存不足

现象是程序报错，或者生成过程中直接卡死。

解决方案：

• 先生成 512x512 小图，再用 Hires. fix 放大。
• 降低 Batch size。
• 使用--medvram或--lowvram参数启动 WebUI。

示例：

webui.bat --medvram

6.4 抠图后边缘有白色细线

这在圆形头像场景中很常见。原因是透明合成时，原图边缘的半透明像素和白边混在一起。可以在合成前对边缘做收缩处理：

from PIL import ImageFilter def erode_alpha(img, radius=1): alpha = img.getchannel("A") alpha = alpha.filter(ImageFilter.MinFilter(3) if radius == 1 else ImageFilter.MaxFilter(3)) img.putalpha(alpha) return img

更稳妥的做法是调用ImageFilter.GaussianBlur结合阈值曲线，这里不多展开。

6.5 常见问题速查表

7. 最佳实践与工程建议

7.1 提示词版本化

推荐将提示词放入一个 Markdown 或文本文件，每次调整后记录效果。比如：

v1.1 种子 12345：日系大头，加了 red ribbon，背景改纯白 v1.2 种子 12345：风格不变，CFG 从 7.5 调到 7.0

这样批量回归时，可以快速找到稳定配置。

7.2 素材版权与合规

生成的图片技术上是“模型输出内容”，但如果你用了特定底模，还需要遵循模型许可证。用于商业项目前，建议确认底模的许可是不是允许商用。真人照片风格的头像生成也要谨慎，不能拿别人照片做训练素材，也不能生成真人明星风格的“大头照”用于营销。

7.3 文件命名与归档

后处理会生成多版文件，建议统一命名规则：

日期_风格_种子_版本.png 20250122_anime_12345_v1.png

这样肉眼就能看出图片来源，复盘时非常方便。

7.4 定时任务与自动化

如果要做成每日更新的“摸大头”项目，可以配置定时任务。Windows 下可以用任务计划程序，Linux 下可以用 crontab。定时任务的核心指令是：

python process.py --input batch_input --output batch_output

还可以在脚本里加入自动发布接口的调用，把生成的头像直接上传到你的头像服务站点，这部分属于后端集成的范畴，后续单独展开。

7.5 隐私安全

如果你的图像生成服务部署在公网，务必加鉴权。特别是 WebUI 默认没有严格的访问控制，暴露公网后可能被他人调用。建议至少配置--listen场景下的防火墙规则，或使用反向代理加密码认证。不要随意把包含真人面部信息的图片上传到不信任的第三方平台。

7.6 显存与性能优化

批量生成大量图像时，不要一次性把 Batch count 调到 100。更合理的做法是：

• 单批次 4 到 8 张。
• 生成完成后马上进行轻量级质量筛选。
• 直接删除废弃文件，避免占用磁盘。

8. 总结与下一步学习路线

Day 1 的“摸一张大头”到这里就完成了闭环。我们经历了从 Prompt 构造、参数调优，到 Python 抠图裁剪、圆形头像生成、批量化处理的全流程。核心收获不只是得到了一张头像，而是掌握了一套可复用的方法论：确认风格、构造提示词、批量生成、程序化后处理、质量筛选。

如果你的显卡配置不够，或者不想维护本地环境，也可以把生成环节转移到云端 API，后处理脚本保持不变。也就是说，整套流程的“后处理”部分基本可以沉淀为一个通用工具库，换任何图像生成后端都能继续使用。

接下来可以往三个方向继续深入：

1. 训练一个属于你自己画风的 LoRA，让生成的大头有稳定的人物特征。
2. 学习 ComfyUI 的节点式工作流，把生成和修复组合成一键流程。
3. 接入 ControlNet，用姿势图或线稿控制构图，从“只能摸大头”升级到“想摆什么姿势就摸什么姿势”。

在生产环境中，建议优先关注版权合规、模型版本锁定和敏感信息过滤这三个风险点，然后再去追求数量。

如果这套流程对你有帮助，可以先收藏备用。后面我也会继续更新 Day 2 的内容，可能是针对“如何让固定角色连续出片”，或者是“Q 版大头的 LoRA 训练记录”，现在先动手把 Day 1 跑通吧。