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

Documentation

• Class name: Inference_Core_HEDPreprocessor
• Category: ControlNet Preprocessors/Line Extractors
• Output node: False

Inference_Core_HEDPreprocessor节点是一个专门用于从图像中提取软边缘线条的预处理器,它利用HED(整体嵌套边缘检测)模型来实现这一功能。该节点通过增强图像的边缘特征来预处理图像,为需要详细边缘或线条信息的下游任务提供支持。

Input types

Required

• image
  • 需要进行边缘检测处理的输入图像。resolution参数允许指定所需的输出分辨率,从而影响检测到的边缘的细节程度。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor

Optional

• safe
  • 一个模式开关,用于在边缘检测过程中启用或禁用安全检查,可能会影响处理性能和输出质量。
  • Comfy dtype: COMBO[STRING]
  • Python dtype: str
• resolution
  • 指定输出图像的分辨率,影响检测到的边缘的精细度。较高的分辨率会产生更详细的边缘信息。
  • Comfy dtype: INT
  • Python dtype: int

Output types

• image
  • 经过处理的图像,具有增强的边缘细节,适用于各种图像分析和处理任务。
  • Comfy dtype: IMAGE
  • Python dtype: torch.Tensor

Usage tips

• Infra type: GPU
• Common nodes: unknown

Source code

class HED_Preprocessor:
    @classmethod
    def INPUT_TYPES(s):
        return create_node_input_types(
            safe=(["enable", "disable"], {"default": "enable"})
        )

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "execute"

    CATEGORY = "ControlNet Preprocessors/Line Extractors"

    def execute(self, image, resolution=512, **kwargs):
        from controlnet_aux.hed import HEDdetector

        model = HEDdetector.from_pretrained().to(model_management.get_torch_device())
        out = common_annotator_call(model, image, resolution=resolution, safe = kwargs["safe"] == "enable")
        del model
        return (out, )