199 lines
6.7 KiB
Markdown
199 lines
6.7 KiB
Markdown
|
|
# Documentation
|
|
- Class name: ImageSegmentationCustomAdvanced
|
|
- Category: image/segmentation
|
|
- Output node: False
|
|
|
|
ImageSegmentationCustomAdvanced节点专为高级图像分割任务而设计，提供可定制选项，以使用特定模型和设置处理图像。它允许微调分割参数和后处理技术，以实现精确和定制化的分割结果。
|
|
|
|
# Input types
|
|
## Required
|
|
- images
|
|
- 待分割的图像。此参数至关重要，因为它通过提供视觉数据来直接影响分割结果。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: List[Image]
|
|
- model
|
|
- 要使用的分割模型。这个选择影响分割的准确性和类型，允许灵活应对各种分割挑战。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
- alpha_matting
|
|
- 一个布尔标志，指示是否应用alpha matting来细化分割边缘。这通过提供更平滑和自然的边缘来提高分割质量。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: bool
|
|
- alpha_matting_foreground_threshold
|
|
- 在alpha matting中确定前景像素的阈值。此参数有助于微调边缘细化过程。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- alpha_matting_background_threshold
|
|
- 在alpha matting中确定背景像素的阈值。它在准确分离背景和前景方面起关键作用。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- alpha_matting_erode_size
|
|
- alpha matting过程中应用的腐蚀大小。这影响分割边缘的细节水平，允许更精确的边缘控制。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- post_process_mask
|
|
- 一个布尔标志，指示分割掩码是否应进行后处理。这可能包括平滑或过滤等操作，以提高掩码质量。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: bool
|
|
- mean_r
|
|
- 用于归一化图像的平均红色通道值。这个值对确保图像数据在处理前正确缩放至关重要。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- mean_g
|
|
- 用于归一化图像的平均绿色通道值。这个值对确保图像数据在处理前正确缩放至关重要。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- mean_b
|
|
- 用于归一化图像的平均蓝色通道值。这个值对确保图像数据在处理前正确缩放至关重要。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- std_r
|
|
- 用于图像归一化的红色通道标准差。这个值确保图像数据在所有图像中一致地归一化。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- std_g
|
|
- 用于图像归一化的绿色通道标准差。这个值确保图像数据在所有图像中一致地归一化。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- std_b
|
|
- 用于图像归一化的蓝色通道标准差。这个值确保图像数据在所有图像中一致地归一化。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- width
|
|
- 图像在分割前将被调整到的目标宽度。此参数确保所有图像以一致的比例进行处理，影响分割的准确性和性能。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- height
|
|
- 图像在分割前将被调整到的目标高度。此参数确保所有图像以一致的比例进行处理，影响分割的准确性和性能。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- image
|
|
- 分割后的图像或图像集。此输出代表最终的分割结果，展示从背景中分离出的前景。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: List[Image]
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `GPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
class ImageSegmentationCustomAdvanced:
|
|
def __init__(self):
|
|
pass
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(cls):
|
|
return {
|
|
"required": {
|
|
"images": ("IMAGE",),
|
|
"model": (folder_paths.get_filename_list("onnx"),),
|
|
"alpha_matting": (["true", "false"],),
|
|
"alpha_matting_foreground_threshold": ("INT", {
|
|
"default": 240,
|
|
"max": 250,
|
|
"step": 5
|
|
}),
|
|
"alpha_matting_background_threshold": ("INT", {
|
|
"default": 20,
|
|
"max": 250,
|
|
"step": 5
|
|
}),
|
|
"alpha_matting_erode_size": ("INT", {
|
|
"default": 10,
|
|
"step": 1
|
|
}),
|
|
"post_process_mask": (["false", "true"],),
|
|
"mean_r": ("FLOAT", {
|
|
"default": 0.485,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"mean_g": ("FLOAT", {
|
|
"default": 0.456,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"mean_b": ("FLOAT", {
|
|
"default": 0.406,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"std_r": ("FLOAT", {
|
|
"default": 1.0,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"std_g": ("FLOAT", {
|
|
"default": 1.0,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"std_b": ("FLOAT", {
|
|
"default": 1.0,
|
|
"max": 1.0,
|
|
"step": 0.01
|
|
}),
|
|
"width": ("INT", {
|
|
"default": 1024,
|
|
"step": 8
|
|
}),
|
|
"height": ("INT", {
|
|
"default": 1024,
|
|
"step": 8
|
|
}),
|
|
},
|
|
}
|
|
|
|
RETURN_TYPES = ("IMAGE",)
|
|
FUNCTION = "node"
|
|
CATEGORY = "image/segmentation"
|
|
|
|
def node(
|
|
self,
|
|
images,
|
|
model,
|
|
alpha_matting,
|
|
alpha_matting_foreground_threshold,
|
|
alpha_matting_background_threshold,
|
|
alpha_matting_erode_size,
|
|
post_process_mask,
|
|
mean_x,
|
|
mean_y,
|
|
mean_z,
|
|
std_x,
|
|
std_y,
|
|
std_z,
|
|
width,
|
|
height
|
|
):
|
|
container = CustomSessionContainer(mean_x, mean_y, mean_z, std_x, std_y, std_z, width, height)
|
|
|
|
class CustomSession(CustomAbstractSession):
|
|
def __init__(self):
|
|
super().__init__(model)
|
|
|
|
@classmethod
|
|
def name(cls, *args, **kwargs):
|
|
return model
|
|
|
|
session = CustomSession().from_container(container)
|
|
|
|
return ImageSegmentation().node(
|
|
images,
|
|
model,
|
|
alpha_matting,
|
|
alpha_matting_foreground_threshold,
|
|
alpha_matting_background_threshold,
|
|
alpha_matting_erode_size,
|
|
post_process_mask,
|
|
session
|
|
)
|
|
|
|
```
|