CavinHuang-comfyui-nodes-docs/docs/ImageContainerInheritanceSum.md

Documentation

• Class name: ImageContainerInheritanceSum
• Category: image/container
• Output node: False

该节点设计用于处理容器内图像尺寸的求和,便于将多个图像合并为单个复合图像的操作。它抽象了图像尺寸计算和调整的复杂性,使得以统一的方式处理图像集合变得更加容易。

Input types

Required

• images_a
  • 要处理的图像集合之一,在确定最终复合图像的整体尺寸中起关键作用。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor
• images_b
  • 要处理的另一个图像集合,对最终复合图像的整体尺寸有所贡献。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor
• red
  • 图像处理中使用的红色分量值,影响视觉效果。
  • Comfy dtype: INT
  • Python dtype: int
• green
  • 图像处理中使用的绿色分量值,影响视觉效果。
  • Comfy dtype: INT
  • Python dtype: int
• blue
  • 图像处理中使用的蓝色分量值,影响视觉效果。
  • Comfy dtype: INT
  • Python dtype: int
• alpha
  • 图像处理中使用的透明度值,影响视觉效果。
  • Comfy dtype: FLOAT
  • Python dtype: float
• container_size_type
  • 指定计算容器大小的方法,影响最终复合图像的尺寸。
  • Comfy dtype: COMBO[STRING]
  • Python dtype: str
• method
  • 指定要应用的图像处理方法,影响图像的组合或操作方式。
  • Comfy dtype: COMBO[STRING]
  • Python dtype: str

Output types

• image
  • 处理后得到的复合图像。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor

Usage tips

• Infra type: GPU
• Common nodes: unknown

Source code

class ImageContainerInheritanceSum:
    def __init__(self):
        pass

    @classmethod
    def INPUT_TYPES(cls):
        return {
            "required": {
                "images_a": ("IMAGE",),
                "images_b": ("IMAGE",),
                "red": ("INT", {
                    "default": 255,
                    "max": 255,
                    "step": 1
                }),
                "green": ("INT", {
                    "default": 255,
                    "max": 255,
                    "step": 1
                }),
                "blue": ("INT", {
                    "default": 255,
                    "max": 255,
                    "step": 1
                }),
                "alpha": ("FLOAT", {
                    "default": 0.0,
                    "max": 1.0,
                    "step": 0.01
                }),
                "container_size_type": (["sum", "sum_width", "sum_height"],),
                "method": (["single", "for_each_pair", "for_each_matrix"],),
            },
        }

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "node"
    CATEGORY = "image/container"

    def node(self, images_a, images_b, red, green, blue, alpha, container_size_type, method):
        img_a_height, img_a_width = images_a[0, :, :, 0].shape
        img_b_height, img_b_width = images_b[0, :, :, 0].shape

        if container_size_type == "sum":
            width = img_a_width + img_b_width
            height = img_a_height + img_b_height
        elif container_size_type == "sum_width":
            if img_a_height != img_b_height:
                raise ValueError()

            width = img_a_width + img_b_width
            height = img_a_height
        elif container_size_type == "sum_height":
            if img_a_width != img_b_width:
                raise ValueError()

            width = img_a_width
            height = img_a_height + img_b_height
        else:
            raise ValueError()

        image = create_rgba_image(width, height, (red, green, blue, int(alpha * 255))).image_to_tensor()

        if method == "single":
            return (image.unsqueeze(0),)
        elif method == "for_each_pair":
            length = len(images_a)
            images = torch.zeros(length, height, width, 4)
        else:
            length = len(images_a) * len(images_b)
            images = torch.zeros(length, height, width, 4)

        images[:, :, :] = image
        return (images,)