62 lines
2.0 KiB
Markdown
62 lines
2.0 KiB
Markdown
|
|
# Documentation
|
|
- Class name: NormalMapSimple
|
|
- Category: image/filters
|
|
- Output node: False
|
|
|
|
NormalMapSimple节点旨在从输入图像生成法线贴图。它通过应用变换来模拟基于光照的表面变化和深度效果。该节点利用图像梯度创建一个纹理，用于表示三维空间中表面的方向，从而增强二维图像中的深度视觉感知。
|
|
|
|
# Input types
|
|
## Required
|
|
- images
|
|
- images输入代表需要生成法线贴图的源图像。这个输入对于确定将被转换为法线贴图的纹理和深度信息至关重要。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- scale_XY
|
|
- scale_XY参数用于调整生成的法线贴图中表面变化效果的强度。较高的值会通过缩放法线向量的x和y分量来增加感知到的深度。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Output types
|
|
- image
|
|
- 输出是输入图像的转换版本，表现为法线贴图。这些贴图编码了表面方向和深度信息，增强了原始二维图像的三维表现效果。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `GPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
class NormalMapSimple:
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {
|
|
"required": {
|
|
"images": ("IMAGE",),
|
|
"scale_XY": ("FLOAT",{"default": 1, "min": 0, "max": 100, "step": 0.001}),
|
|
},
|
|
}
|
|
|
|
RETURN_TYPES = ("IMAGE",)
|
|
FUNCTION = "normal_map"
|
|
|
|
CATEGORY = "image/filters"
|
|
|
|
def normal_map(self, images, scale_XY):
|
|
t = images.detach().clone().cpu().numpy().astype(np.float32)
|
|
L = np.mean(t[:,:,:,:3], axis=3)
|
|
for i in range(t.shape[0]):
|
|
t[i,:,:,0] = cv2.Scharr(L[i], -1, 1, 0, cv2.BORDER_REFLECT) * -1
|
|
t[i,:,:,1] = cv2.Scharr(L[i], -1, 0, 1, cv2.BORDER_REFLECT)
|
|
t[:,:,:,2] = 1
|
|
t = torch.from_numpy(t)
|
|
t[:,:,:,:2] *= scale_XY
|
|
t[:,:,:,:3] = torch.nn.functional.normalize(t[:,:,:,:3], dim=3) / 2 + 0.5
|
|
return (t,)
|
|
|
|
```
|