nodes/QL-boy-ComfyUI-Advanced-Tile-Processing

Fork 0

Files

T

QL-boy 00bf7683bb Update README_CN.md

2026-01-17 20:30:35 +08:00

11 KiB

Raw Permalink Blame History

ComfyUI-Advanced-Tile-Processing

中文 English

ComfyUI-Advanced-Tile-Processing 是一套专为 ComfyUI 设计的高级自定义节点插件。它旨在解决超高分辨率图像生成和处理中的显存瓶颈（VRAM OOM），通过智能分块（Tiling）与多种高级融合技术的无缝合并（Merging），让您能够在普通消费级显卡上稳定处理 4K、8K 甚至更高规格的图像。

🌟 核心特性

智能维度感知 (Smart Dimension Awareness)：自动计算最优切片坐标。支持"边缘回退"策略，确保分块完全覆盖原始图像，无需引入黑边（Padding）从而避免模型产生伪影。
多种高级融合技术：支持线性混合、高斯混合、多频段融合（Laplacian Pyramid）和直接拼接四种模式。
历史图匹配 (Histogram Matching)：基于Reinhard算法，在融合前对相邻分块进行颜色分布匹配，消除色差。
最优接缝线计算 (Optimal Seamline)：支持动态规划和中间线两种接缝模式，可限制搜索半径，自动寻找最小能量路径，避免切割重要内容。
元数据驱动流 (Metadata-Driven Workflow)：Splitter 生成唯一的 TILE_CONFIG 对象，包含原始尺寸、缩放因子及坐标。Merger 自动读取配置一键还原，用户无需手动对齐参数。
深度兼容性：完美适配 ComfyUI 的列表执行机制。支持将分块作为 BATCH 提交以获得最高推理速度，或作为 LIST 提交以支持循环节点处理。显存不足的情况下推荐 LIST 替代 BATCH。
高性能架构：完全基于 PyTorch 张量运算，GPU 加速，保证处理大图时性能在线。
动态尺寸支持 (Tiled Upscale)：支持动态尺寸调整（Tiled Upscale），在分块后进行放大处理。Merger 能够自动检测片段尺寸变化并动态调整画布大小。

🛠 安装说明

环境要求：ComfyUI 0.4.0+，Python 3.10+，PyTorch 2.0+。
进入您的 ComfyUI 自定义节点目录：

cd ComfyUI/custom_nodes/

克隆本仓库：

git clone [https://github.com/QL-boy/ComfyUI-Advanced-Tile-Processing.git](https://github.com/QL-boy/ComfyUI-Advanced-Tile-Processing.git)

重启 ComfyUI。

🧩 节点详解

1. 🔧 Advanced Tile Splitter (高级分块器)

将输入的大图或 Latent 空间分割成重叠的小块。

输入端口:
- image: (可选) 原始图像。
- latent: (可选) 潜在空间数据。
核心参数:
- tile_size: 分块分辨率（如 512, 1024）。
- overlap: 两个分块之间的重叠像素。建议设为 tile_size 的 10% 及以上以获得最佳融合效果。
- rows: 固定行数（设为0时自动计算）。
- columns: 固定列数（设为0时自动计算）。
- normalize: 是否将尺寸对齐到64的倍数（推荐开启以保证兼容性）。
输出端口:
- tile_config: 核心配置文件（必需连接至 Merger），包含合并所需的所有元数据。
- tiles_image_batch: 将所有分块合并为一个 Batch Tensor，适合高性能采样。
- tiles_image_list: (List 模式) 分块图像列表，触发 ComfyUI 循环执行。
- tiles_latent_batch: 合并的 Latent Batch。
- tiles_latent_list: (List 模式) 分块 Latent 列表。

2. 🔧 Advanced Tile Merger (高级合并器)

根据分块配置将处理后的片段无缝还原。

输入端口:
- tile_config: 由 Splitter 输出的配置对象。
- processed_tiles_image: (可选) 处理后的图像片段。
- processed_tiles_latent: (可选) 处理后的 Latent 片段。
核心参数:
- blend_mode: 融合模式
  - linear: 线性混合。
  - gaussian (默认): 高斯权重混合，中心权重高，边缘平滑衰减，融合效果最自然。
  - multi_band: 多频段融合（Laplacian Pyramid），最高质量的融合效果，适用于高对比度边缘。
  - none: 硬边缘拼接（会有明显接缝）。
- blend_strength: 融合强度，控制羽化程度。
- seam_mode: 接缝线模式
  - optimal: 动态规划计算最小能量路径。
  - middle: 直接使用重叠区域的中心线。
- histogram_matching: 是否启用历史图匹配，消除相邻分块间的色差。
- seam_search_radius: 接缝线搜索半径，限制接缝线在中心线附近波动。
输出端口:
- merged_image: 合并后的完整图像。
- merged_latent: 合并后的完整 Latent。
内部机制:

节点会自动解包 LIST 输入。如果您的上游是循环节点，请确保所有分块均已处理完成再输入 Merger。

📖 核心算法原理

1. 分块策略

分块器采用智能坐标计算，确保：

完全覆盖原始图像，无遗漏区域
重叠区域均匀分布
支持固定行列数或自动计算
支持尺寸对齐到8或64的倍数

2. 多模式融合技术

A. 线性混合 (Linear Blending)

在重叠区域进行简单的线性插值，快速但可能在边缘产生模糊。

B. 高斯混合 (Gaussian Blending)

使用高斯核函数生成权重掩码，中心权重高，边缘平滑衰减：

M(x,y) = e^{-\frac{(x-x_c)^2+(y-y_c)^2}{2\sigma^2}}

C. 多频段融合 (Multi-band Blending)

基于拉普拉斯金字塔的高质量融合：

构建图像的高斯金字塔和拉普拉斯金字塔
在每一层分别融合
从顶层重建图像

优势：

保留高频细节
平滑过渡低频信息
消除鬼影效应

D. 最优接缝线 (Optimal Seamline)

通过动态规划计算最小能量路径：

E_{\text{total}} = E_{\text{color}} + \lambda \cdot E_{\text{geometry}}

其中：

E_{\text{color}} 为颜色差异
E_{\text{geometry}} 为几何约束（保持接近中心线）
\lambda 为平衡参数

3. 历史图匹配 (Histogram Matching)

基于Reinhard算法，将源图像的统计特性匹配到参考图像：

I_{\text{matched}} = \frac{(I - \mu_s)}{\sigma_s} \times \sigma_t + \mu_t

其中：

\mu_s, \sigma_s 为源图像的均值和标准差
\mu_t, \sigma_t 为目标图像的均值和标准差

4. Latent空间合并

对于Latent空间，采用简化的"中心裁剪"策略：

每个分块在重叠区域内取中心部分
直接拼接到画布，无融合
8倍下采样对应处理

🚀 使用建议

最佳实践配置


场景	推荐参数
普通图像拼接	overlap=64, blend_mode="gaussian", blend_strength=0.25
高对比度图像	overlap=128, blend_mode="multi_band", blend_strength=0.3
有显著色差	开启histogram_matching，seam_mode="optimal"
速度优先	blend_mode="linear", seam_mode="middle"

性能优化

Batch模式：当分块数较少（≤4）且显存充足时，使用Batch模式获得最高性能
List模式：分块数多或显存紧张时，使用List模式逐个处理
搜索半径：设置适当seam_search_radius（如10-20）可加速最优接缝计算

常见工作流

SDXL 经典分块采样高清修复复刻

Z-Image质量升级

⚠️ 常见问题 (FAQ)

Q: 为什么合并后的图边缘还是有淡淡的印子？
- A: 尝试增加 overlap (建议不低于 64) 并确保 blend_mode 设为 gaussian 或 multi_band。同时，检查重绘时的 denoise 是否过高，过高的降噪会导致分块内容产生剧烈变化。
Q: 支持 Latent 空间合并吗？
- A: 支持。但由于 VAE 编码器的特性，Latent 空间的重叠合并采用硬切割，可能会在 Decode 后出现微小色差，通常推荐在 Image 空间执行最终合并。
Q: 多频段融合速度很慢怎么办？
- A: 多频段融合需要构建图像金字塔，确实较慢。对于实时性要求高的场景，建议使用gaussian模式。也可以减少金字塔层数（代码中默认为5层）。
Q: 最优接缝线计算出现异常切割怎么办？
- A: 可尝试增加 seam_search_radius 限制接缝线在中心附近，或直接使用 seam_mode="middle"。
Q: 为什么我连接了节点却输出了多张图？
- A: 请确保您使用的是 Advanced Tile Merger 并正确连接了 tile_config。如果输出依然是列表，请检查是否在 Merger 之后又连接了不支持 List 的旧版节点。

📊 技术规格

最大支持尺寸：理论无限制，取决于系统内存
分块最大数量：32×32网格
数据类型：支持float32, float16, bfloat16
设备支持：CUDA GPU（推荐），CPU（较慢）
依赖库：
- torch >= 2.0.0
- numpy >= 1.20.0
- scipy >= 1.7.0（用于高斯滤波）

🔧 开发说明

扩展接口

插件注册了自定义类型 TILE_CONFIG，可通过以下方式扩展：

from comfy.graph_utils import GraphBuilder
GraphBuilder.add_node_type("TILE_CONFIG", lambda x: isinstance(x, dict) and "splits" in x)

模块结构

ComfyUI-Advanced-Tile-Processing/
├── __init__.py              # 节点注册
├── nodes/
│   ├── tile_splitter.py     # 分块器
│   ├── tile_merger.py       # 合并器
├── utils/
│   └── blending.py          # 融合算法
└── README_CN.md             # 中文文档

🤝 贡献与反馈

欢迎提交 Issue 或 Pull Request。如果您在使用中发现本项目可以改进的地方，请随时联系。

📜 许可说明

本项目基于 Apache-2.0 license 许可证开源。

11 KiB Raw Permalink Blame History Unescape Escape