57 lines
2.6 KiB
Markdown
57 lines
2.6 KiB
Markdown
# Documentation
|
||
- Class name: EmptyImage
|
||
- Category: image
|
||
- Output node: False
|
||
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
||
|
||
EmptyImage节点旨在生成具有指定尺寸和颜色的空白图像。它作为图像处理工作流程的基础组件，为后续操作提供空白画布。此节点在需要起始图像的场景中至关重要，例如在创建占位符或初始化图像数据结构时。
|
||
|
||
# Input types
|
||
## Required
|
||
- width
|
||
- ‘width’参数决定了生成图像的宽度，以像素为单位。它是定义图像空间维度的关键因素，直接影响图像的整体结构以及在下游任务中可能的应用。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
- height
|
||
- ‘height’参数指定图像在像素中的垂直延伸。它与宽度一起确定了图像的分辨率，这对于确保与各种显示设备和处理需求的兼容性至关重要。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
## Optional
|
||
- batch_size
|
||
- ‘batch_size’参数指示在单个操作中生成的图像数量。它特别适用于同时处理多个图像，可以在批量处理场景中提高效率。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
- color
|
||
- ‘color’参数允许指定图像的颜色。它接受一个表示RGB格式中颜色的整数，从而能够创建具有所需统一背景颜色的图像。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
|
||
# Output types
|
||
- image
|
||
- ‘image’输出是EmptyImage节点的主要结果。它代表了具有定义尺寸和颜色的生成空白图像。这个输出非常重要，因为它为进一步的图像操作和分析奠定了基础。
|
||
- Comfy dtype: IMAGE
|
||
- Python dtype: torch.Tensor
|
||
|
||
# Usage tips
|
||
- Infra type: CPU
|
||
|
||
# Source code
|
||
```
|
||
class EmptyImage:
|
||
|
||
def __init__(self, device='cpu'):
|
||
self.device = device
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(s):
|
||
return {'required': {'width': ('INT', {'default': 512, 'min': 1, 'max': MAX_RESOLUTION, 'step': 1}), 'height': ('INT', {'default': 512, 'min': 1, 'max': MAX_RESOLUTION, 'step': 1}), 'batch_size': ('INT', {'default': 1, 'min': 1, 'max': 4096}), 'color': ('INT', {'default': 0, 'min': 0, 'max': 16777215, 'step': 1, 'display': 'color'})}}
|
||
RETURN_TYPES = ('IMAGE',)
|
||
FUNCTION = 'generate'
|
||
CATEGORY = 'image'
|
||
|
||
def generate(self, width, height, batch_size=1, color=0):
|
||
r = torch.full([batch_size, height, width, 1], (color >> 16 & 255) / 255)
|
||
g = torch.full([batch_size, height, width, 1], (color >> 8 & 255) / 255)
|
||
b = torch.full([batch_size, height, width, 1], (color & 255) / 255)
|
||
return (torch.cat((r, g, b), dim=-1),)
|
||
``` |