nodes/lldacing-comfyui-easyapi-nodes
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

add some rle<->mask nodes

Browse Source
This commit is contained in:
刘雪峰
2024-11-04 20:17:49 +08:00
parent e154998ec6
commit 8b79c93fe5
7 changed files with 405 additions and 85 deletions
Download Patch File Download Diff File Expand all files Collapse all files
README.md
+68 -58
View File
@@ -3,7 +3,7 @@
转成base64的节点都是输出节点，websocket消息中会包含base64Images和base64Type属性（具体格式请查看ImageNode.py中的ImageToBase64Advanced类源代码，或者自己搭建简单流程运行在浏览器开发者工具-->网络中查看）
Tips: base64格式字符串比较长，会导致界面卡顿，接口请求带宽可能也会有瓶颈，条件允许可以把图片上传到OSS服务器得到URL，然后用LoadImageFromUrl加载，由于无相关OSS账号，上传OSS节点需自行编写，暂不支持。
Tips: base64格式字符串比较长，会导致界面卡顿，接口请求带宽可能也会有瓶颈，条件允许可以把图片上传到OSS服务器得到URL，然后用LoadImageFromURL加载，由于无相关OSS账号，上传OSS节点需自行编写，暂不支持。
## 安装
- 方式1：通过ComfyUI-Manager安装
@@ -22,62 +22,67 @@ Tips: base64格式字符串比较长，会导致界面卡顿，接口请求带
```
## 节点
| 名称 | 说明 |
|------------------------------|------------------------------------------------------------------------------------------------------------------------------------------------------------|
| LoadImageFromURL | 从网络地址加载图片，一行代表一个图片 |
| LoadMaskFromURL | 从网络地址加载遮罩，一行代表一个 |
| Base64ToImage | 把图片base64字符串转成图片 |
| Base64ToMask | 把遮罩图片base64字符串转成遮罩 |
| ImageToBase64Advanced | 把图片转成base64字符串, 可以选择图片类型(image, mask) ，方便接口调用判断 |
| ImageToBase64 | 把图片转成base64字符串(imageType=["image"]) |
| MaskToBase64Image | 把遮罩转成对应图片的base64字符串(imageType=["mask"]) |
| MaskImageToBase64 | 把遮罩图片转成base64字符串(imageType=["mask"]) |
| LoadImageToBase64 | 加载本地图片转成base64字符串 |
| SamAutoMaskSEGS | 得到图片所有语义分割的coco或uncompress_rle格式。<br/>配合ComfyUI-Impact-Pack的SAMLoader或comfyui_segment_anything的SAMModelLoader。<br/>但是如果使用hq模型，必须使用comfyui_segment_anything |
| InsightFaceBBOXDetect | 为图片中的人脸添加序号和区域框 |
| ColorPicker | 颜色选择器 |
| IntToNumber | 整型转数字 |
| StringToList | 字符串转列表 |
| IntToList | 整型转列表 |
| ListMerge | 列表合并 |
| JoinList | 列表根据指定分隔符连接 |
| ShowString | 显示字符串(可指定消息中key值) |
| ShowInt | 显示整型(可指定消息中key值) |
| ShowFloat | 显示浮点型(可指定消息中key值) |
| ShowNumber | 显示数字(可指定消息中key值) |
| ShowBoolean | 显示布尔值(可指定消息中key值) |
| ImageEqual | 图片是否相等（可用于通过判断遮罩图是否全黑来判定是否有遮罩） |
| SDBaseVerNumber | 判断SD大模型版本是1.5还是xl |
| ListWrapper | 包装成列表（任意类型） |
| ListUnWrapper | 转成输出列表，后面连接的节点会把每个元素执行一遍，实现类似遍历效果 |
| BboxToCropData | bbox转cropData，方便接入was节点使用 |
| BboxToBbox | bbox两种格式(x,y,w,h)和(x1,y1,x2,y2)的相互转换 |
| BboxesToBboxes | BboxToBbox节点的列表版本 |
| SelectBbox | 从Bbox列表中选择一个 |
| SelectBboxes | 从Bbox列表中选择多个 |
| CropImageByBbox | 根据Bbox区域裁剪图片 |
| MaskByBboxes | 根据Bbox列表画遮罩 |
| SplitStringToList | 根据分隔符把字符串拆分为某种数据类型(str/int/float/bool)的列表 |
| IndexOfList | 从列表中获取指定位置的元素 |
| IndexesOfList | 从列表中筛选出指定位置的元素列表 |
| StringArea | 字符串文本框（多行输入区域） |
| ForEachOpen | 循环开始节点 |
| ForEachClose | 循环结束节点 |
| LoadJsonStrToList | json字符串转换为对象列表 |
| GetValueFromJsonObj | 从对象中获取指定key的值 |
| FilterValueForList | 根据指定值过滤列表中元素 |
| SliceList | 列表切片 |
| LoadLocalFilePath | 列出给定路径下的文件列表 |
| LoadImageFromLocalPath | 根据图片全路径加载图片 |
| LoadMaskFromLocalPath | 根据遮罩全路径加载遮罩 |
| IsNoneOrEmpty | 判断是否为空或空字符串或空列表或空字典 |
| IsNoneOrEmptyOptional | 为空时返回指定值(惰性求值)，否则返回原值 |
| EmptyOutputNode | 空的输出类型节点 |
| SaveTextToFileByImagePath | 保存文本到图片路径，以图片名作为文件名 |
| CopyAndRenameFiles | 复制或重命名文件 |
| SaveImagesWithoutOutput | 保存图像到指定目录，不是输出类型节点，可用于循环批量跑图和作为惰性求值的前置节点 |
| SaveSingleImageWithoutOutput | 保存单个图像到指定目录，不是输出类型节点，可用于循环批量跑图和作为惰性求值的前置节点 |
| CropTargetSizeImageByBbox | 以bbox的区域中心裁剪指定大小图片 |
| 是否为输出节点 | 名称 | 说明 |
|:----------:|------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------|
| × | LoadImageFromURL | 从网络地址加载图片，一行代表一个图片 |
| × | LoadMaskFromURL | 从网络地址加载遮罩，一行代表一个 |
| × | Base64ToImage | 把图片base64字符串转成图片 |
| × | Base64ToMask | 把遮罩图片base64字符串转成遮罩 |
| × | ImageToBase64Advanced | 把图片转成base64字符串, 可以选择图片类型(image, mask) ，方便接口调用判断 |
| × | ImageToBase64 | 把图片转成base64字符串(imageType=["image"]) |
| √ | MaskToBase64Image | 把遮罩转成对应图片的base64字符串(imageType=["mask"]) |
| √ | MaskImageToBase64 | 把遮罩图片转成base64字符串(imageType=["mask"]) |
| × | LoadImageToBase64 | 加载本地图片转成base64字符串 |
| √ | SamAutoMaskSEGS | 得到图片所有语义分割的coco_rle或uncompress_rle格式。<br/>配合ComfyUI-Impact-Pack的SAMLoader或comfyui_segment_anything的SAMModelLoader。<br/>但是如果使用hq模型，必须使用comfyui_segment_anything |
| × | SamAutoMaskSEGSAdvanced | 得到图片所有语义分割的coco_rle或uncompress_rle格式。可以调整sam的参数。 |
| × | MaskToRle | 遮罩图转为coco_rle或uncompress_rle格式，rle格式数据只保存二值，所以无法精准还原遮罩 |
| × | RleToMask | coco_rle或uncompress_rle格式转为遮罩，rle格式数据只保存二值，所以无法精准还原遮罩 |
| × | InsightFaceBBOXDetect | 为图片中的人脸添加序号和区域框 |
| × | ColorPicker | 颜色选择器 |
| × | IntToNumber | 整型转数字 |
| × | StringToList | 字符串转列表 |
| × | IntToList | 整型转列表 |
| × | ListMerge | 列表合并 |
| × | JoinList | 列表根据指定分隔符连接（会先把列表元素转成字符串） |
| √ | ShowString | 显示字符串(可指定消息中key值) |
| √ | ShowInt | 显示整型(可指定消息中key值) |
| √ | ShowFloat | 显示浮点型(可指定消息中key值) |
| √ | ShowNumber | 显示数字(可指定消息中key值) |
| √ | ShowBoolean | 显示布尔值(可指定消息中key值) |
| × | ImageEqual | 图片是否相等（可用于通过判断遮罩图是否全黑来判定是否有遮罩） |
| × | SDBaseVerNumber | 判断SD大模型版本是1.5还是xl |
| × | ListWrapper | 包装成列表（任意类型） |
| × | ListUnWrapper | 转成输出列表，后面连接的节点会把每个元素执行一遍，实现类似遍历效果 |
| × | BboxToCropData | bbox转cropData，方便接入was插件节点使用 |
| × | BboxToBbox | bbox两种格式(x,y,w,h)和(x1,y1,x2,y2)的相互转换 |
| × | BboxesToBboxes | BboxToBbox节点的列表版本 |
| × | SelectBbox | 从Bbox列表中选择一个 |
| × | SelectBboxes | 从Bbox列表中选择多个 |
| × | CropImageByBbox | 根据Bbox区域裁剪图片 |
| × | MaskByBboxes | 根据Bbox列表画遮罩 |
| × | SplitStringToList | 根据分隔符把字符串拆分为某种数据类型(str/int/float/bool)的列表 |
| × | IndexOfList | 从列表中获取指定位置的元素 |
| × | IndexesOfList | 从列表中筛选出指定位置的元素列表 |
| × | StringArea | 字符串文本框（多行输入区域） |
| × | ForEachOpen | 循环开始节点 |
| × | ForEachClose | 循环结束节点 |
| × | LoadJsonStrToList | json字符串转换为对象列表 |
| × | ConvertTypeToAny | 转换数据类型为任意类型，桥接实际具有相同数据类型参数的两节点 |
| × | GetValueFromJsonObj | 从对象中获取指定key的值 |
| × | FilterValueForList | 根据指定值过滤列表中元素 |
| × | SliceList | 列表切片 |
| × | LoadLocalFilePath | 列出给定路径下的文件列表 |
| × | LoadImageFromLocalPath | 根据图片全路径加载图片 |
| × | LoadMaskFromLocalPath | 根据遮罩全路径加载遮罩 |
| × | IsNoneOrEmpty | 判断是否为空或空字符串或空列表或空字典 |
| × | IsNoneOrEmptyOptional | 为空时返回指定值(惰性求值)，否则返回原值。由于ComfyUI本体代码逻辑，非字符串会报错 |
| √ | EmptyOutputNode | 空的输出类型节点 |
| × | SaveTextToFileByImagePath | 保存文本到图片路径，以图片名作为文件名 |
| × | CopyAndRenameFiles | 把某个目录下的文件复制到另一个目录并重命名，若目标目录为空值，则重命名原文件 |
| × | SaveImagesWithoutOutput | 保存图像到指定目录，不是输出类型节点，可用于循环批量跑图和作为惰性求值的前置节点 |
| × | SaveSingleImageWithoutOutput | 保存单个图像到指定目录，不是输出类型节点，可用于循环批量跑图和作为惰性求值的前置节点 |
| × | CropTargetSizeImageByBbox | 以bbox区域中心向外裁剪指定宽高图片 |
| × | ConvertToJsonStr | 序列化为json字符串 |
### 示例
![save api extended](docs/example_note.png)
@@ -86,9 +91,14 @@ Tips: base64格式字符串比较长，会导致界面卡顿，接口请求带
![save api extended](example/example_1.png)
![save api extended](example/example_2.png)
![save api extended](example/example_3.png)
![save api extended](example/example_4.png)
![save api extended](example/example_sam_mask.png)
![批量裁剪打标](example/example_image_crop_tag.png)
## 更新记录
### 2024-11-04 (v1.0.9)
- 新增节点：SamAutoMaskSEGSAdvanced、 MaskToRle、 RleToMask、 ConvertToJsonStr
### 2024-10-24 (v1.0.7)
- 新增节点：SaveTextToFileByImagePath、 CopyAndRenameFiles、 SaveImagesWithoutOutput、 SaveSingleImageWithoutOutput、 CropTargetSizeImageByBbox
@@ -99,7 +109,7 @@ Tips: base64格式字符串比较长，会导致界面卡顿，接口请求带
- 新增节点：FilterValueForList
### 2024-09-26
- 新增节点：GetValueFromJsonObj、 LoadJsonStrToList
- 新增节点：GetValueFromJsonObj、 LoadJsonStrToList、ConvertTypeToAny
### 2024-09-25 [示例](example/example_4.png)
- 新增节点：ForEachOpen、 ForEachClose
easyapi/ImageNode.py
+1 -1
View File
@@ -461,7 +461,7 @@ class SaveImagesWithoutOutput:
"required": {
"images": ("IMAGE",),
"filename_prefix": ("STRING", {"default": "ComfyUI",
"tooltip": "要保存的文件的前缀。可以使用格式化信息，如%date:yyyy-MM-dd%或%Empty Latent Image.width%"}),
"tooltip": "要保存的文件的前缀。支持的占位符：%width% %height% %year% %month% %day% %hour% %minute% %second%"}),
"output_dir": ("STRING", {"default": "", "tooltip": "若为空，存放到output目录"}),
},
"optional": {
easyapi/SamNode.py
+308 -21
View File
@@ -1,21 +1,224 @@
import torch
from segment_anything import SamAutomaticMaskGenerator
import json
import numpy as np
from segment_anything.utils.amg import area_from_rle, mask_to_rle_pytorch, rle_to_mask, batched_mask_to_box, \
box_xyxy_to_xywh, coco_encode_rle
from pycocotools import mask as mask_utils
import nodes
from .util import tensor_to_pil
class SamAutoMaskSEGS:
class SamAutoMaskSEGSAdvanced:
@classmethod
def INPUT_TYPES(self):
return {"required": {
"sam_model": ('SAM_MODEL', {}),
"image": ('IMAGE', {}),
"output_mode": (['uncompressed_rle', 'coco_rel'], {"default": "uncompressed_rle"}),
},
return {
"required": {
"sam_model": ('SAM_MODEL', {}),
"image": ('IMAGE', {}),
},
"optional": {
"points_per_side": ("INT",
{
"default": 32,
"min": 1,
"max": nodes.MAX_RESOLUTION,
"step": 1,
"tooltip": "沿图像一侧采样的点数。 总点数为points_per_side的平方。优先级盖玉point_grids, 如果为 None，则 'point_grids'采样点必须传"
}),
"points_per_batch": ("INT",
{
"default": 64,
"min": 1,
"max": nodes.MAX_RESOLUTION,
"step": 1,
"tooltip": "设置模型同时执行的点数。 数字越大，速度越快，但会占用更多的 GPU 内存"
}),
"pred_iou_thresh": ("FLOAT",
{
"default": 0.88,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "置信度阈值。 置信度低于此值的掩码将被忽略"
}),
"stability_score_thresh": ("FLOAT",
{
"default": 0.95,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "稳定性得分的过滤阈值，范围[0,1]"
}),
"stability_score_offset": ("FLOAT",
{
"default": 1.0,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "计算稳定性得分时thresh偏移量。\n公式简单理解成 score= (mask > stability_score_thresh+stability_score_offset) / (mask > stability_score_thresh-stability_score_offset)"
}),
"box_nms_thresh": ("FLOAT",
{
"default": 0.7,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "mask的bbox区域置信度阈值"
}),
"crop_n_layers": ("INT",
{
"default": 0,
"min": 0,
"max": 64,
"step": 1,
"tooltip": "递归重复检测层数，增大此值可以解决多个物体没拆分开的问题，但是速度会变慢"
}),
"crop_nms_thresh": ("FLOAT",
{
"default": 0.7,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "crop_box区域置信度阈值"
}),
"crop_overlap_ratio": ("FLOAT",
{
"default": 512 / 1500,
"min": 0,
"max": 1.0,
"step": 0.01,
"tooltip": "多层检测时，设置裁剪重叠的程度，第一层使用此值。随着层数增加，重叠程度会减小"
}),
"crop_n_points_downscale_factor": ("INT",
{
"default": 1,
"min": 1,
"max": nodes.MAX_RESOLUTION,
"step": 1,
"tooltip": "用于计算第n层的points_per_side：int(points_per_side/crop_n_points_downscale_factor**n)"
}),
"min_mask_region_area": ("INT",
{
"default": 0,
"min": 0,
"max": nodes.MAX_RESOLUTION,
"step": 1,
"tooltip": "最小区域面积。 用于过滤(忽略)小区域"
}),
"output_mode": (['uncompressed_rle', 'coco_rle'], {"default": "uncompressed_rle"}),
},
}
RETURN_TYPES = ("MASK_RLE",)
RETURN_NAMES = ("masks_rle",)
FUNCTION = "generate"
OUTPUT_NODE = False
CATEGORY = "EasyApi/Detect"
def generate(self,
sam_model,
image,
points_per_side: int = 32,
points_per_batch: int = 64,
pred_iou_thresh: float = 0.88,
stability_score_thresh: float = 0.95,
stability_score_offset: float = 1.0,
box_nms_thresh: float = 0.7,
crop_n_layers: int = 0,
crop_nms_thresh: float = 0.7,
crop_overlap_ratio: float = 512 / 1500,
crop_n_points_downscale_factor: int = 1,
min_mask_region_area: int = 0,
output_mode: str = "uncompressed_rle",
):
"""
# 沿图像一侧采样的点数。 总点数为 points_per_side**2。优先级盖玉point_grids, 如果为 None，则 'point_grids'采样点必须传。
points_per_side = 32
# 设置模型同时执行的点数。 数字越大，速度越快，但会占用更多的 GPU 内存。
points_per_batch = 64
# 置信度阈值。 置信度低于此值的掩码将被忽略。
pred_iou_thresh = 0.88
# 稳定性得分的过滤阈值，范围[0,1]
stability_score_thresh = 0.95
# 计算稳定性得分时thresh偏移量
# 公式简单理解成 score= (mask > stability_score_thresh+stability_score_offset) / (mask > stability_score_thresh-stability_score_offset)
stability_score_offset = 1.0
# mask的bbox区域置信度阈值。
box_nms_thresh = 0.7
# 递归检测次数，增大此值可以解决多个物体没拆分开的问题，但是速度会变慢。
crop_n_layers = 0
# crop_box区域置信度阈值。
crop_nms_thresh = 0.7
# 设置裁剪重叠的程度，第一层使用此值。随着层数增加，重叠程度会减小。
crop_overlap_ratio = 512 / 1500
# 用于计算第n层的points_per_side：按int(points_per_side/crop_n_points_downscale_factor**n)。
crop_n_points_downscale_factor = 1
# 用于采样的点列表，归一化为[0,1]。列表中的第n个点用于第n个裁剪层。points_per_side不为空时不生效。Optional[List[np.ndarray]]
point_grids = None
# 最小区域面积。 用于过滤小区域
min_mask_region_area = 0
"""
point_grids = None
# 判断是不是HQ
encodeClassName = sam_model.image_encoder.__class__.__name__
if encodeClassName == "ImageEncoderViTHQ":
from custom_nodes.comfyui_segment_anything.sam_hq.automatic import SamAutomaticMaskGeneratorHQ
from custom_nodes.comfyui_segment_anything.sam_hq.predictor import SamPredictorHQ
samHQ = SamPredictorHQ(sam_model, True)
mask_generator = SamAutomaticMaskGeneratorHQ(samHQ,
points_per_side,
points_per_batch,
pred_iou_thresh,
stability_score_thresh,
stability_score_offset,
box_nms_thresh,
crop_n_layers,
crop_nms_thresh,
crop_overlap_ratio,
crop_n_points_downscale_factor,
point_grids,
min_mask_region_area,
output_mode=output_mode)
else:
mask_generator = SamAutomaticMaskGenerator(sam_model,
points_per_side,
points_per_batch,
pred_iou_thresh,
stability_score_thresh,
stability_score_offset,
box_nms_thresh,
crop_n_layers,
crop_nms_thresh,
crop_overlap_ratio,
crop_n_points_downscale_factor,
point_grids,
min_mask_region_area,
output_mode=output_mode)
image_pil = tensor_to_pil(image)
image_np = np.array(image_pil)
image_np_rgb = image_np[..., :3]
masks = mask_generator.generate(image_np_rgb)
return (masks,)
class SamAutoMaskSEGS(SamAutoMaskSEGSAdvanced):
@classmethod
def INPUT_TYPES(self):
return {
"required": {
"sam_model": ('SAM_MODEL', {}),
"image": ('IMAGE', {}),
"output_mode": (['uncompressed_rle', 'coco_rle'], {"default": "uncompressed_rle"}),
},
}
RETURN_TYPES = ("STRING",)
RETURN_NAMES = ("RLE_SEGS", )
RETURN_NAMES = ("RLE_SEGS",)
FUNCTION = "generate"
@@ -26,29 +229,113 @@ class SamAutoMaskSEGS:
# OUTPUT_IS_LIST = (False, False)
def generate(self, sam_model, image, output_mode):
# 判断是不是HQ
encodeClassName = sam_model.image_encoder.__class__.__name__
if encodeClassName == "ImageEncoderViTHQ":
from custom_nodes.comfyui_segment_anything.sam_hq.automatic import SamAutomaticMaskGeneratorHQ
from custom_nodes.comfyui_segment_anything.sam_hq.predictor import SamPredictorHQ
samHQ = SamPredictorHQ(sam_model, True)
mask_generator = SamAutomaticMaskGeneratorHQ(samHQ, output_mode=output_mode)
else:
mask_generator = SamAutomaticMaskGenerator(sam_model, output_mode=output_mode)
image_pil = tensor_to_pil(image)
image_np = np.array(image_pil)
image_np_rgb = image_np[..., :3]
masks = mask_generator.generate(image_np_rgb)
masks = super().generate(sam_model, image, output_mode)
masksRle = json.JSONEncoder().encode(masks)
return {"ui": {"segsRle": (masksRle,)}, "result": (masksRle,)}
class MaskToRle:
@classmethod
def INPUT_TYPES(self):
return {
"required": {
"mask": ('MASK', {}),
"output_mode": (['uncompressed_rle', 'coco_rle'], {"default": "uncompressed_rle"}),
},
}
RETURN_TYPES = ("MASK_RLE",)
RETURN_NAMES = ("masks_rle",)
FUNCTION = "convert"
OUTPUT_NODE = False
CATEGORY = "EasyApi/Detect"
def convert(self, mask, output_mode):
masksRle = []
b, h, w = mask.shape
rles = mask_to_rle_pytorch((mask > 0.15).bool())
for i in range(b):
single_rle = rles[i]
area = area_from_rle(single_rle)
bbox = box_xyxy_to_xywh(batched_mask_to_box(mask.bool())[i]).tolist()
# stability_scores = calculate_stability_score(mask[i], mask_threshold, threshold_offset)
if output_mode == "coco_rle":
single_rle = coco_encode_rle(single_rle)
masksRle.append(
{
"segmentation": single_rle,
# 遮罩区域面积（像素点数）
"area": area,
# 蒙版矩形区域XYWH
"bbox": bbox,
# 用于生成此蒙版的图像的裁剪（XYWH格式）
"crop_box": [0, 0, w, h],
# "predicted_iou": 0.9494854211807251,
# 采样点坐标，自动情况下，蒙版区域内的任意一个点就行
# "point_coords": [[54.8475,1075.9375]],
# "stability_score": stability_scores.item(),
}
)
return (masksRle,)
class RleToMask:
@classmethod
def INPUT_TYPES(self):
return {
"required": {
"masks_rle": ('MASK_RLE', {}),
"rle_mode": (['uncompressed_rle', 'coco_rle'], {"default": "uncompressed_rle"}),
},
}
RETURN_TYPES = ("MASK",)
RETURN_NAMES = ("masks",)
FUNCTION = "convert"
OUTPUT_NODE = False
CATEGORY = "EasyApi/Detect"
def convert(self, masks_rle, rle_mode='uncompressed_rle'):
masks = []
if isinstance(masks_rle, dict):
list_rle = [masks_rle]
else:
list_rle = masks_rle
for mask_rle in list_rle:
if rle_mode == "coco_rle":
mask_np = mask_utils.decode(mask_rle["segmentation"])
else:
mask_np = rle_to_mask(mask_rle["segmentation"])
mask = torch.from_numpy(mask_np).to(torch.float32)
masks.append(mask.unsqueeze(0))
if len(masks) > 1:
# 如果有多个图像，则将它们按维度0拼接在一起
output_mask = torch.cat(masks, dim=0)
else:
output_mask = masks[0]
return (output_mask,)
NODE_CLASS_MAPPINGS = {
"SamAutoMaskSEGS": SamAutoMaskSEGS,
"SamAutoMaskSEGSAdvanced": SamAutoMaskSEGSAdvanced,
"MaskToRle": MaskToRle,
"RleToMask": RleToMask,
}
# A dictionary that contains the friendly/humanly readable titles for the nodes
NODE_DISPLAY_NAME_MAPPINGS = {
"SamAutoMaskSEGS": "SamAutoMaskSEGS",
"SamAutoMaskSEGSAdvanced": "SamAutoMaskSEGSAdvanced",
"MaskToRle": "MaskToRle",
"RleToMask": "RleToMask",
}
easyapi/UtilNode.py
+23 -1
View File
@@ -609,6 +609,26 @@ class LoadJsonStrToList:
return ([json],)
class ConvertToJsonStr:
@classmethod
def INPUT_TYPES(s):
return {
"required": {
"obj": (any_type, {"forceInput": True}),
}
}
RETURN_TYPES = ("STRING",)
RETURN_NAMES = ("json_str",)
CATEGORY = "EasyApi/Utils"
FUNCTION = "to_json_str"
DESCRIPTION = "将任意对象序列化为json字符串"
def to_json_str(self, obj):
json = simplejson.dumps(obj, ignore_nan=True)
return (json,)
class GetValueFromJsonObj:
@classmethod
def INPUT_TYPES(s):
@@ -798,7 +818,7 @@ class IsNoneOrEmptyOptional:
RETURN_NAMES = ("any",)
FUNCTION = "execute"
CATEGORY = "EasyApi/Utils"
DESCRIPTION = "判断输入any是否为None、空列表、空字符串(trim后判断)、空字典，若为true，返回default的值，否则返回输入值"
DESCRIPTION = "判断输入any是否为None、空列表、空字符串(trim后判断)、空字典，若为true，返回default的值，否则返回输入值。受ComfyUI主体代码限制，经测试非字符串会报错"
def execute(self, any=None, default=None):
if any is None:
@@ -971,6 +991,7 @@ NODE_CLASS_MAPPINGS = {
"ConvertTypeToAny": ConvertTypeToAny,
"GetValueFromJsonObj": GetValueFromJsonObj,
"LoadJsonStrToList": LoadJsonStrToList,
"ConvertToJsonStr": ConvertToJsonStr,
"FilterValueForList": FilterValueForList,
"LoadLocalFilePath": LoadLocalFilePath,
"IsNoneOrEmpty": IsNoneOrEmpty,
@@ -1006,6 +1027,7 @@ NODE_DISPLAY_NAME_MAPPINGS = {
"ConvertTypeToAny": "ConvertTypeToAny",
"GetValueFromJsonObj": "GetValueFromJsonObj",
"LoadJsonStrToList": "LoadJsonStrToList",
"ConvertToJsonStr": "ConvertToJsonStr",
"FilterValueForList": "FilterValueForList",
"LoadLocalFilePath": "LoadLocalFilePath",
"IsNoneOrEmpty": "IsNoneOrEmpty",
example/example_sam_mask.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 835 KiB

pyproject.toml
+3 -3
View File
@@ -1,9 +1,9 @@
[project]
name = "comfyui-easyapi-nodes"
description = "Provides some features and nodes related to API calls."
version = "1.0.8"
description = "Provides some features and nodes related to API calls. 开发独立应用调用ComfyUI服务的一些补充节点。"
version = "1.0.9"
license = { file = "LICENSE" }
dependencies = ["segment_anything", "simple_lama_inpainting", "insightface"]
dependencies = ["segment_anything", "simple_lama_inpainting", "insightface", "simplejson"]
[project.urls]
Repository = "https://github.com/lldacing/comfyui-easyapi-nodes"
requirements.txt
+2 -1
View File
@@ -1,3 +1,4 @@
segment_anything
simple_lama_inpainting
insightface
insightface
simplejson