70 lines
3.0 KiB
Markdown
70 lines
3.0 KiB
Markdown
# Documentation
|
|
- Class name: DefaultImageForSEGS
|
|
- Category: ImpactPack/Util
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/ltdrdata/ComfyUI-Impact-Pack.git
|
|
|
|
DefaultImageForSEGS节点的'doit'方法旨在通过将分割（SEGS）缩放到与给定图像的尺寸相匹配来处理分割。它还提供了一个选项，允许使用基于分割的裁剪区域的新裁剪图像覆盖现有的裁剪图像。此方法对于准备进一步分析或可视化的分割数据至关重要。
|
|
|
|
# Input types
|
|
## Required
|
|
- segs
|
|
- 'segs'参数是节点将处理的分割对象集合。它对节点的操作至关重要，因为它决定了将被缩放并可能覆盖其裁剪图像的数据。
|
|
- Comfy dtype: SEGS
|
|
- Python dtype: List[SEG]
|
|
- image
|
|
- 'image'参数表示将对分割进行缩放的参考图像。它是一个关键输入，因为它决定了分割数据必须匹配的尺寸以进行下游处理。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
## Optional
|
|
- override
|
|
- 'override'参数是一个布尔标志，当设置为True时，指示节点为分割生成新的裁剪图像，忽略任何现有的裁剪图像。这对于根据更新的分割数据刷新裁剪图像非常有用。
|
|
- Comfy dtype: BOOLEAN
|
|
- Python dtype: bool
|
|
|
|
# Output types
|
|
- segs
|
|
- 输出'segs'包含处理过的分割对象。每个对象都已缩放到与输入图像的尺寸相匹配，并且如果'override'参数设置为True，则可能已覆盖其裁剪图像。
|
|
- Comfy dtype: SEGS
|
|
- Python dtype: Tuple[List[SEG], List[SEG]]
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class DefaultImageForSEGS:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'segs': ('SEGS',), 'image': ('IMAGE',), 'override': ('BOOLEAN', {'default': True})}}
|
|
RETURN_TYPES = ('SEGS',)
|
|
FUNCTION = 'doit'
|
|
CATEGORY = 'ImpactPack/Util'
|
|
|
|
def doit(self, segs, image, override):
|
|
results = []
|
|
segs = core.segs_scale_match(segs, image.shape)
|
|
if len(segs[1]) > 0:
|
|
if segs[1][0].cropped_image is not None:
|
|
batch_count = len(segs[1][0].cropped_image)
|
|
else:
|
|
batch_count = len(image)
|
|
for seg in segs[1]:
|
|
if seg.cropped_image is not None and (not override):
|
|
cropped_image = seg.cropped_image
|
|
else:
|
|
cropped_image = None
|
|
for i in range(0, batch_count):
|
|
ref_image = image[i].unsqueeze(0)
|
|
cropped_image2 = crop_image(ref_image, seg.crop_region)
|
|
if cropped_image is None:
|
|
cropped_image = cropped_image2
|
|
else:
|
|
cropped_image = torch.cat((cropped_image, cropped_image2), dim=0)
|
|
new_seg = SEG(cropped_image, seg.cropped_mask, seg.confidence, seg.crop_region, seg.bbox, seg.label, seg.control_net_wrapper)
|
|
results.append(new_seg)
|
|
return ((segs[0], results),)
|
|
else:
|
|
return (segs,)
|
|
``` |