72 lines
2.2 KiB
Markdown
72 lines
2.2 KiB
Markdown
|
|
# Documentation
|
|
- Class name: Inpaint
|
|
- Category: Bmad/CV/C.Photography
|
|
- Output node: False
|
|
|
|
Inpaint节点旨在通过利用特定的修复技术来重建图像中缺失或受损的部分。它使用蒙版来识别需要修复的区域，并应用选定的算法来无缝填充这些区域，从而提高整体图像质量。
|
|
|
|
# Input types
|
|
## Required
|
|
- img
|
|
- img参数代表需要进行修复的图像。它至关重要，因为它提供了进行修复操作的视觉数据。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- mask
|
|
- mask参数指定了图像中需要修复的区域。它在引导修复过程集中于目标区域方面起着关键作用。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- radius
|
|
- radius参数决定了修复时每个点周围的邻域大小，影响修复效果的平滑度和范围。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- flag
|
|
- flag参数允许选择要使用的修复算法，提供了灵活性，可以选择最适合图像特定需求的方法。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
|
|
# Output types
|
|
- image
|
|
- 输出是经过修复的图像，其中指定的区域已使用选定的修复技术进行了重建。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `GPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
class Inpaint:
|
|
inpaint_method_map = {
|
|
"TELEA": cv.INPAINT_TELEA,
|
|
"NS": cv.INPAINT_NS,
|
|
}
|
|
inpaint_methods = list(inpaint_method_map.keys())
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {
|
|
"required": {
|
|
"img": ("IMAGE",),
|
|
"mask": ("IMAGE",),
|
|
"radius": ("INT", {"default": 3, "min": 0, "step": 1}),
|
|
"flag": (s.inpaint_methods, {"default": s.inpaint_methods[0]}),
|
|
},
|
|
}
|
|
|
|
RETURN_TYPES = ("IMAGE",)
|
|
FUNCTION = "paint"
|
|
CATEGORY = "Bmad/CV/C.Photography"
|
|
|
|
def paint(self, img, mask, radius, flag):
|
|
img = tensor2opencv(img)
|
|
mask = tensor2opencv(mask, 1)
|
|
dst = cv.inpaint(img, mask, radius, self.inpaint_method_map[flag])
|
|
result = opencv2tensor(dst)
|
|
return (result,)
|
|
|
|
```
|