--- title: Cómo crear códigos QR con Stable Diffusion description: Crea códigos QR decorativos, profesionales y 100% funcionales mediante Stable Diffusion y ControlNet. url: https://www.felixsanz.dev/es/articulos/como-crear-codigos-qr-con-stable-diffusion language: es published: 2023-07-14 updated: 2023-07-14 tags: - ai - stablediffusion alternate-en: https://www.felixsanz.dev/articles/how-to-create-qr-codes-with-stable-diffusion --- # Cómo crear códigos QR con Stable Diffusion ## Introducción Hace poco más de un mes, un [usuario de Reddit](https://www.reddit.com/r/StableDiffusion/comments/141hg9x/controlnet_for_qr_code/) jugó con la idea de **generar códigos QR con Stable Diffusion mediante el uso de ControlNet**. Con esta técnica se pretendía condicionar la generación de imágenes de manera que Stable Diffusion genera una imagen creativa y atractiva mientras que ControlNet se encarga de mantener la estructura lo más intacta posible para mantener la legibilidad del código QR. Sin duda una gran idea. En cuestión de horas empezaron a publicarse nuevos métodos y formas de generar códigos QR con Stable Diffusion. La mayoría de resultados son sorprendentes pero en mi opinión hay **2 problemas importantes**. El primer problema es que las imágenes generadas son tan impactantes que **ya nisiquiera parecen códigos QR**. Cuando vemos un código de barras de una bolsa de almendras o un código QR en la mesa de un restaurante, inmediatamente sabemos para qué sirven y qué hacer con ellos. Al ver estas imágenes no tendremos esa familiaridad. ![Código QR generado con Stable Diffusion](https://www.felixsanz.dev/assets/qrother1.BwGT_h3y_ZEuQz9.jpg) ![Código QR generado con Stable Diffusion](https://www.felixsanz.dev/assets/qrother2.CIHEdnND_Z29EmsS.jpg) En segundo lugar, y más importante todavía, es el hecho de que la mayoría de estos códigos QR **no son escaneables**. Inicias la aplicación de cámara, apuntas al código y **no ocurre nada**. Se ha alterado tanto la imagen que ya no hay información codificada en forma de código QR. En este articulo veremos un sencillo método para alterar el código QR con Stable Diffusion y ControlNet. Después utilizaremos un script para filtrar las imágenes que ofrezcan total compatibilidad y que funcionen con todas las aplicaciones de escaneo de códigos QR. El resultado son imágenes como estas: ![Código QR generado con el prompt "beautiful flowers"](https://www.felixsanz.dev/assets/qr03.DLPPwwH__1BvW1u.jpg) ![Código QR generado con el prompt "stunning redhead woman"](https://www.felixsanz.dev/assets/qr17.BQTNyP8S_Zsm7Y2.jpg) ![Código QR generado con el prompt "cute puppy cat"](https://www.felixsanz.dev/assets/qr19.CWsOrM-7_Z2chogI.jpg) ![Código QR generado con el prompt "red neon, darth vader"](https://www.felixsanz.dev/assets/qr23.CpjzCBKG_1YXa49.jpg) ![Código QR generado con el prompt "cute cat"](https://www.felixsanz.dev/assets/qr20.B2CyAala_Z1ACApT.jpg) ![Código QR generado con el prompt "delicious burguer and frech chips"](https://www.felixsanz.dev/assets/qr18.CvTXXxLt_MsWGu.jpg) ¡Más abajo encontrarás más ejemplos! ### Detalles técnicos del código QR El código QR fue creado en 1994 por la compañía japonesa [Denso Wave](https://www.qrcode.com/en/about/standards.html). Su trabajo se volvió tan popular y útil que **se estandarizó internacionalmente** bajo la norma [ISO/IEC 18004](https://www.iso.org/standard/62021.html). En esta norma se establecen las especificaciones técnicas y los requisitos para la creación y lectura de estos códigos. La especificación sirve para que individuos y empresas implementen todos estos detalles e inventen librerías de software capaces de crear, leer e interpretar estos códigos. No todas las implementaciones son iguales, de ahí que algunos de estos códigos **solo puedan leerse con ciertas aplicaciones** de lectura de códigos QR. Por lo tanto, no tiene sentido que para poder leerlo tengas que descargar una nueva aplicación. La principal ventaja de los códigos QR es la **compatibilidad**. #### Evitando la corrupción de datos Los códigos QR poseen una importante característica llamada **correción de errores**. Imagina un paquete que atraviesa el mundo para llegar a su destino. Es bastante probable que este código QR pegado en el lateral pueda sufrir daños o alteraciones. Por este motivo cuando se crea el código **la información se codifica de manera redundante**. Es decir, se duplican datos para que si una parte del código se ha dañado, la información todavía esté codificada en otro lugar y pueda ser leída. Hay 4 niveles de correción de error: **L**, **M**, **Q** y **H**. Estos niveles toleran errores de hasta un **7%**, **15%**, **25%** y **30%**, respectivamente. Cuando creamos un código QR con Stable Diffusion lo que estamos haciendo es simplemente **destruir parte del código original** para reemplazarlo por elementos visualmente atractivos. Por lo tanto, es imprescindible utilizar una correción de error del 30% (nivel H) y no sobrepasar el límite o el código no podrá ser leído y perderá todo su propósito. ## Creación del código QR Lo primero es generar un código QR con la información que queremos codificar. Puedes utilizar una de las muchas webs que ofrecen este servicio pero aquí tienes la posibilidad de crearlo sin salir de este artículo. Ten en cuenta que **cuanto mayor sea la longitud del texto o URL, más datos tendrán que codificarse en la imagen**. Esto hará que el código QR contenga más partes negras y cuando Stable Diffusion destruya una zona, destruirá más datos por lo que es posible que el código QR no pueda ser leído. Observa como cambia el código QR a medida que se incrementa el número de caracteres. ![Código QR](https://www.felixsanz.dev/assets/qrlength1.DrvbcBC6_13d6mG.png) *Texto "1234567890" repetido 1 vez* ![Código QR](https://www.felixsanz.dev/assets/qrlength2.CME0kdP5_Z1iyIcm.png) *Texto "1234567890" repetido 3 veces* ![Código QR](https://www.felixsanz.dev/assets/qrlength3.CydBkeVr_w4R8a.png) *Texto "1234567890" repetido 9 veces* ![Código QR](https://www.felixsanz.dev/assets/qrlength4.BnEbBcoc_Z2tHEmc.png) *Texto "1234567890" repetido 27 veces* Si vas a introducir una URL muy larga te recomiendo que la acortes utilizando servicios como [bit.ly](https://bitly.com/). > [!NOTE] > **Máxima compatibilidad** > Los códigos QR aquí generados se crean con una correción de error nivel H. Puedes modificar algunos parámetros aunque te recomiendo dejarlos como están por defecto. *[Interactive: QR generator]* ## Modificación del código QR En este punto doy por hecho que tienes instalado ControlNet. De no ser así, realiza este paso primero. ### Instalando el modelo Muchos artículos utilizan **dos unidades** de ControlNet: una unidad con el modelo `control_v11f1e_sd15_tile` y otra unidad con el modelo `control_v1p_sd15_brightness`. Esta configuración ofrece resultados impresionantes pero el escaneo no suele funcionar y los códigos dejan de parecer códigos. En este caso vamos a utilizar **una única unidad** de ControlNet cargada con el modelo `control_v1p_sd15_qrcode`. Descarga este modelo (archivo `.safetensors`) y su configuración (archivo `.yaml` con el mismo nombre) del siguiente repositorio de HuggingFace: [https://huggingface.co/DionTimmer/controlnet\_qrcode](https://huggingface.co/DionTimmer/controlnet_qrcode/tree/main). Introduce estos dos archivos en la carpeta `models/ControlNet/` que encontrarás dentro del directorio donde tienes instalado Automatic1111. ``` automatic1111/ models/ ControlNet/ control_v1p_sd15_qrcode.safetensors control_v1p_sd15_qrcode.yaml ``` Muchas gracias a [Dion Timmer](https://github.com/diontimmer) por crear este fantástico modelo. > [!NOTE] > **Elige el modelo adecuado** > Si deseas utilizar un modelo de Stable Diffusion 2.1 puedes descargar `control_v11p_sd21_qrcode` en lugar de la versión 1.5. ### Parámetros de configuración Con el código QR original y el modelo de ControlNet instalado correctamente, procedemos a iniciar Automatic1111 y accedemos a la pestaña `img2img`. **captura de pantalla con la configuración** ![Captura de pantalla mostrando los parámetros utilizados en Automatic1111](https://www.felixsanz.dev/assets/params.R85kpMRy_Z5mH3M.jpg) Los parámetros que debemos configurar son: - ***Checkpoint***: A tu gusto. Recomendación: `dreamshaper_631BakedVae.safetensors`. Recuerda utilizar un modelo 1.5 si utilizas `control_v1p_sd15_qrcode` o un modelo 2.1 en caso de utilizar `control_v1p_sd21_qrcode`. - ***Positive prompt***: No hace falta que sea muy largo ni específico como verás en los ejemplos más abajo. Algunos *prompts* son mas agresivos y destruyen más partes del código, por lo que tendrás que regular otros valores. - ***Negative prompt***: Lo mismo que el positivo, introduce algo básico como `ugly, disfigured, low quality, blurry, nsfw, watermark, text`. - **Pestaña img2img**: Selecciona la imagen del código QR que has generado. - ***Width / Height***: El valor que hayas seleccionado al crear el código QR. Un valor de `512x512` debería ser suficiente. - ***Denoising strength***: Este valor es tal vez el más importante. El valor óptimo suele estar en `0.58` aunque si tu *prompt* está destruyendo demasiado código QR puedes bajarlo hasta `0.55`. Si el código QR apenas cambia su diseño, puedes subirlo hasta `0.65`. Fuera de esos valores no tendrás mucha suerte. El resto de parámetros puedes dejarlos por defecto. Yo he utilizado los siguientes: - ***Sampling method***: `Euler A`. - ***Sampling steps***: `30`. - ***CFG Scale***: `7`. En cuanto al desplegable de configuración de ControlNet, debes configurar la unidad 0 (la primera) de la siguiente forma: - ***Single Image***: Selecciona de nuevo la imagen del código QR original. - ***Enable***: `True`. Activa la unidad o no hará nada. - ***Pixel Perfect***: `True`. Activa esta opción. - ***Control Type***: `All`. Déjalo como está por defecto. - ***Preprocessor***: `none`. No hay que preprocesar el código QR. - ***Model***: Selecciona `control_v1p_sd15_qrcode`. En mi caso estoy utilizando el modelo con hash: `9c780d03`, pero esto no debería importar. - ***Control Weight***: El valor por defecto de `1` está bien. Entre `0.9` y `1.3` también hay buenos resultados pero solo es útil cuando quieras afinar al máximo el resultado. - ***Starting Control Step***: `0`. Dejamos que ControlNet condicione la imagen desde el principio de la generación. - ***Ending Control Step***: `0.9`. Esto significa que ControlNet condicionará el resultado hasta que la generación haya llegado al 90%. El 10% restante dará a Stable Diffusion libertad total para que refine los detalles como le apetezca. Si ves que tu *prompt* está destruyendo demasiada información del código QR puedes subirlo hasta `1`. Así ControlNet intentará preservar el código QR hasta el final. - ***Control Mode***: `Balanced`. - ***Resize Mode***: Innecesario si es del mismo tamaño. Puedes dejarlo en `Just Resize`. Tras esta configuración iniciamos la generación y obtendremos nuestro **código QR generado con Stable Diffusion**. ### Resultados A continuación unos cuantos ejemplos de códigos QR que he generado para que compares los resultados. ![Código QR generado con el prompt "cute robot"](https://www.felixsanz.dev/assets/qr01.DcgtXjhK_n2qkv.jpg) *cute robot* ![Código QR generado con el prompt "spaguetti monster"](https://www.felixsanz.dev/assets/qr02.XzZFZzTA_208akB.jpg) *spaguetti monster* ![Código QR generado con el prompt "colorful flowers"](https://www.felixsanz.dev/assets/qr04.BtmXpJkl_ZgM4B1.jpg) *colorful flowers* ![Código QR generado con el prompt "colorful flowers"](https://www.felixsanz.dev/assets/qr05.DI5CI4DG_1rcLb8.jpg) *colorful flowers* ![Código QR generado con el prompt "colorful flowers"](https://www.felixsanz.dev/assets/qr06.CbcTN9h-_ZkoMxz.jpg) *colorful flowers* ![Código QR generado con el prompt "colorful flowers"](https://www.felixsanz.dev/assets/qr07.DC7WXRz0_2lik6X.jpg) *colorful flowers* ![Código QR generado con el prompt "woman, nordic, blonde"](https://www.felixsanz.dev/assets/qr08.DLiqJjKe_Z11HIfg.jpg) *woman, nordic, blonde* ![Código QR generado con el prompt "planets, universe, nebulae"](https://www.felixsanz.dev/assets/qr09.RcYphiP4_Z27mrY8.jpg) *planets, universe, nebulae* ![Código QR generado con el prompt "big nike sneakers"](https://www.felixsanz.dev/assets/qr10.BywtANiK_Z4xyqp.jpg) *big nike sneakers* ![Código QR generado con el prompt "big nike sneakers"](https://www.felixsanz.dev/assets/qr11.B-q4sfG__Z29gXvy.jpg) *big nike sneakers* ![Código QR generado con el prompt "super car, sports car"](https://www.felixsanz.dev/assets/qr12.Bg0DaOUN_1OkunP.jpg) *super car, sports car* ![Código QR generado con el prompt "watercolor, jungle, made of black blocks"](https://www.felixsanz.dev/assets/qr13.izRFSc5E_Z1h7xSd.jpg) *watercolor, jungle, made of black blocks* ![Código QR generado con el prompt "female hacker, computer, mistery, blonde, cyberpunk"](https://www.felixsanz.dev/assets/qr14.5SuUT2tR_1BPvt6.jpg) *female hacker, computer, mistery, blonde, cyberpunk* ![Código QR generado con el prompt "delicious greek salad bowl"](https://www.felixsanz.dev/assets/qr15.BniznLqq_Z1HngF9.jpg) *delicious greek salad bowl* ![Código QR generado con el prompt "lion, majestic"](https://www.felixsanz.dev/assets/qr16.abWNQnf6_ZN6aLm.jpg) *lion, majestic* ![Código QR generado con el prompt "cute cat"](https://www.felixsanz.dev/assets/qr21.C9bZvG1t_188VGX.jpg) *cute cat* ![Código QR generado con el prompt "cute puppy"](https://www.felixsanz.dev/assets/qr22.C8Q92ofd_ZjFSqi.jpg) *cute puppy* ![Código QR generado con el prompt "rainbow made of neons"](https://www.felixsanz.dev/assets/qr24.DoPZjyMt_ZNs1RQ.jpg) *rainbow made of neons* ![Código QR generado con el prompt "rainbow made of neons"](https://www.felixsanz.dev/assets/qr25.CV1lM4NH_ZLjPpg.jpg) *rainbow made of neons* ![Código QR generado con el prompt "realistic unicorn"](https://www.felixsanz.dev/assets/qr26.C7SK-N_k_Z2tCJV8.jpg) *realistic unicorn* ![Código QR generado con el prompt "realistic unicorn, clouds, sky background"](https://www.felixsanz.dev/assets/qr27.DMNlzcn-_2vdnMb.jpg) *realistic unicorn, clouds, sky background* ![Código QR generado con el prompt "egypt pyramids, pastel colors"](https://www.felixsanz.dev/assets/qr28.7jdbQ3_z_Z1JeRvW.jpg) *egypt pyramids, pastel colors* ![Código QR generado con el prompt "paris, love city, pastel style"](https://www.felixsanz.dev/assets/qr29.CdxnR3qe_Z2mCDWE.jpg) *paris, love city, pastel style* ![Código QR generado con el prompt "new york city, anime"](https://www.felixsanz.dev/assets/qr30.CbdjVK5l_Z8P9Wc.jpg) *new york city, anime* > [!NOTE] > **Outpainting** > Recuerda que gracias a la técnica de outpainting puedes seguir mejorando la imagen para que el código QR quede integrado en algo más amplio. > > ![Código QR generado con el prompt "beautiful flowers"](https://www.felixsanz.dev/assets/qroutpainting1.BDvS8ksV_Z1NV5hj.jpg) > > ![Código QR generado con el prompt "beautiful flowers"](https://www.felixsanz.dev/assets/qroutpainting2.CXNkofz1_k4h9o.jpg) ## Comprobación de códigos QR Muchos códigos QR funcionarán, otros no, y otros solo con determinadas aplicaciones. Te ofrezco dos maneras de comprobar que el código funciona: una manual y una automática. ### Comprobación manual Puedes utilizar la siguiente herramienta para comprobar el código QR desde este artículo. No es perfecta pero es una manera rápida de comprobar un código QR (a veces un código válido puede aparecer como inválido). *[Interactive: QR checker]* > [!NOTE] > **La magia de JavaScript** > El código QR se comprueba en tu navegador. El archivo de imagen **no se sube a ningún servidor**. ### Comprobación automática Para mejorar el proceso de comprobación aquí tienes un script en Python que utiliza 3 librerías distintas de lectura de códigos QR para **filtrar los códigos que sean válidos en todas las librerías a la vez**. Este método es más fiable que el manual ya que cada código se comprueba 3 veces, pero también se desecharán más códigos QR por no tener compatibilidad total (es lo que buscamos, ¿no?). ```python import os import sys import glob import shutil import cv2 from pyzbar import pyzbar import zxing if len(sys.argv) < 2 or not sys.argv[1]: print('Missing first argument (text or url)') print('Usage: python check.py "https://www.felixsanz.dev"') sys.exit() def read_qr_code_with_cv2(file): try: detector = cv2.QRCodeDetector() img = cv2.imread(file) value = detector.detectAndDecode(img)[0] return value except: return def read_qr_code_with_pyzbar(file): try: img = cv2.imread(file) value = pyzbar.decode(img)[0].data.decode() return value except: return def read_qr_code_with_zxing(file): try: detector = zxing.BarCodeReader() value = detector.decode(file).parsed return value except: return PASS = '\033[32m' FAIL = '\033[31m' RESET = '\033[0m' text = sys.argv[1] for file in glob.glob('./images/*.png'): cv2_code = read_qr_code_with_cv2(file) cv2_result = (cv2_code == text) cv2_color = PASS if cv2_result else FAIL pyzbar_code = read_qr_code_with_pyzbar(file) pyzbar_result = (pyzbar_code == text) pyzbar_color = PASS if pyzbar_result else FAIL zxing_code = read_qr_code_with_zxing(file) zxing_result = (zxing_code == text) zxing_color = PASS if zxing_result else FAIL print(f'[{cv2_color}cv2{RESET} {pyzbar_color}pyzbar{RESET} {zxing_color}zxing{RESET}] {file}') if (cv2_result and pyzbar_result and zxing_result): shutil.copy2(file, file.replace('/images/', '/valid/')) ``` El script funciona de la siguiente manera: 1. Se encarga de leer las imágenes `.png` que hay dentro de la carpeta `./images`. 2. Comprueba la validez del código QR mediante las librerías `opencv-python`, `pyzbar` y `zxing`. Debes pasar como primer argumento (y único) el texto o URL con el que creaste el código QR, para que se compruebe que el resultado de la lectura es el mismo. 3. Si el código QR es válido en las 3 implementaciones, el script copia la imagen a la carpeta `./valid`. Para instalar este script clona el repositorio [https://github.com/felixsanz/felixsanz\_dev](https://github.com/felixsanz/felixsanz_dev), accede a la carpeta de este artículo, inicia un entorno virtual e instala las dependencias: ```bash git clone https://github.com/felixsanz/felixsanz_dev cd felixsanz_dev/articles/how-to-create-qr-codes-with-stable-diffusion python -m venv .venv source .venv/bin/activate # Unix .venv\Scripts\activate # Windows pip install -r requirements.txt ``` A continuación copia las imágenes `.png` de los códigos QR que quieras comprobar en la carpeta `./images`. Añade todos los que has generado, ¡sin miedo! Ejecuta el script, obtendrás estos resultados: ```bash python check.py "https://www.felixsanz.dev" ``` ```ansi [cv2 pyzbar zxing] ./images/00218-2724904587.png [cv2 pyzbar zxing] ./images/00235-4081443668.png [cv2 pyzbar zxing] ./images/00159-2755401775.png [cv2 pyzbar zxing] ./images/00130-3223553027.png [cv2 pyzbar zxing] ./images/00029-3235345478.png ``` Los nombres de las librerías aparecen en verde o rojo dependiendo del resultado de la librería. Cuando una imagen muestre las 3 librerías en color verde, **se copiará** a la carpeta `./valid`. ``` .venv/ check.py images/ 00218-2724904587.png 00235-4081443668.png 00159-2755401775.png 00130-3223553027.png 00029-3235345478.png requirements.txt valid/ 00235-4081443668.png 00130-3223553027.png ``` ## Conclusión En este artículo hemos visto los **principales problemas que tienen los métodos actuales** de generación de códigos QR con Stable Diffusion, mediante el uso de dos modelos de ControlNet. También vimos los detalles técnicos imprescindibles para **mejorar la compatibilidad de los códigos QR**. Y por último hemos aprovechado toda esta información para **generar códigos QR con Stable Diffusion** mediante un único modelo de ControlNet que no destruye tanto la información codificada en el código QR. Con todo esto y los métodos de comprobación espero que puedas generar muchos **códigos QR espectaculares y funcionales**. ¡Toca el emoji para celebrarlo! 🎉 Etiquétame en las redes sociales si compartes estos códigos QR ya que estaré encantado de verlos.