63 lines
3.0 KiB
Markdown
63 lines
3.0 KiB
Markdown
# Documentation
|
|
- Class name: CenterImage
|
|
- Category: ♾️Mixlab/Layer
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/shadowcz007/comfyui-mixlab-nodes.git
|
|
|
|
CenterImage节点旨在将图像处理并居中放置在给定的画布内，重点关注指定的区域。它通过计算所需的坐标和尺寸来实现这一点，同时考虑所提供的边距。该节点的功能不仅限于简单的放置；它还生成一个与居中区域相对应的掩码，增强了其在各种图像处理任务中的适用性。
|
|
|
|
# Input types
|
|
## Required
|
|
- canvas
|
|
- 画布参数是必需的，因为它代表了将执行居中操作的基础图像。它是节点执行的基础，直接影响输出的网格和掩码。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: PIL.Image.Image
|
|
- left
|
|
- left参数指定了居中操作的左边距。它对于确定图像在画布中的确切位置至关重要，并有助于最终居中的外观。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- top
|
|
- top参数定义了居中过程中的上边距。它在图像的垂直放置中起着重要作用，并影响整体的居中布局。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- right
|
|
- right参数设置了画布内图像的右边距。它是水平定位的重要因素，并有助于精确地构建居中图像的框架。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- bottom
|
|
- bottom参数指示了图像居中所需的下边距。它对于垂直对齐至关重要，并确保图像正确地包含在画布边界内。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- grid
|
|
- 网格输出提供了画布内居中图像的坐标和尺寸。这些信息对于进一步的图像处理或操作任务至关重要。
|
|
- Comfy dtype: _GRID
|
|
- Python dtype: Tuple[int, int, int, int]
|
|
- mask
|
|
- 掩码输出是一个二进制图像，它描绘了居中图像的区域。它在图像处理工作流程中的掩蔽、过滤或分割等应用中非常重要。
|
|
- Comfy dtype: MASK
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class CenterImage:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'canvas': ('IMAGE',), 'left': ('INT', {'default': 24, 'min': 0, 'max': 5000, 'step': 1, 'display': 'number'}), 'top': ('INT', {'default': 24, 'min': 0, 'max': 5000, 'step': 1, 'display': 'number'}), 'right': ('INT', {'default': 24, 'min': 0, 'max': 5000, 'step': 1, 'display': 'number'}), 'bottom': ('INT', {'default': 24, 'min': 0, 'max': 5000, 'step': 1, 'display': 'number'})}}
|
|
RETURN_TYPES = ('_GRID', 'MASK')
|
|
RETURN_NAMES = ('grid', 'mask')
|
|
FUNCTION = 'run'
|
|
CATEGORY = '♾️Mixlab/Layer'
|
|
INPUT_IS_LIST = False
|
|
|
|
def run(self, canvas, left, top, right, bottom):
|
|
canvas = tensor2pil(canvas)
|
|
grid = centerImage((left, top, right, bottom), canvas)
|
|
mask = createMask(canvas, left, top, canvas.width - left - right, canvas.height - top - bottom)
|
|
return (grid, pil2tensor(mask))
|
|
``` |