rui40000andClaude Opus 4.8
5d3834503e
【修复】角色被格线切断（脚、手杖、飘起的斗篷被削掉） 新增 expand_beyond_cell（默认开启）：格子只用来判定「这是哪个方向」， 角色的实际范围由它自身的连通区域决定，按质心归属确保邻居不混入。 实测 8/8 方向的裁剪框边缘 alpha 从 1.00（内容顶到边界=被切断） 降到 0.00，S 方向高度 326→356、E 方向宽度 150→188 把缺的部分找了回来。 代价是需要两遍扫描（先求全序列并集框再提取），耗时 4.7s→14.9s。 【规则】每个参数都必须有中文 tooltip，作为以后的统一约定 全仓库 26 个节点 169 个参数，此前缺 115 个，现已 100% 覆盖。 tooltip 写「怎么调」而不只是「是什么」：给取值区间的实际影响、 推荐值与踩坑提示（如 OpenAI/ZenMux 的地址栏不能带 :// ， 素材拆分节点用于动画序列时顺序会漂移等）。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
90 lines
3.1 KiB
Python
90 lines
3.1 KiB
Python
import os
|
|
import torch
|
|
import numpy as np
|
|
import hashlib
|
|
from PIL import Image, ImageOps, ImageSequence
|
|
import folder_paths
|
|
|
|
class LoadImageWithNameNode:
|
|
"""
|
|
基础功能与 ComfyUI 的通用图像加载节点相同，但额外输出图像的文件名（不带后缀）。
|
|
"""
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
input_dir = folder_paths.get_input_directory()
|
|
files = [f for f in os.listdir(input_dir) if os.path.isfile(os.path.join(input_dir, f))]
|
|
return {"required":
|
|
{"image": (sorted(files), {
|
|
"image_upload": True,
|
|
"tooltip": "从 input 目录选择图像，或点下方按钮上传。\n"
|
|
"与原生加载节点的区别：额外输出不带后缀的文件名，\n"
|
|
"便于让输出文件沿用原名，批量处理时不会张冠李戴。"
|
|
})},
|
|
}
|
|
|
|
CATEGORY = "Rui-Node🐶/文件存储与加载📁"
|
|
|
|
RETURN_TYPES = ("IMAGE", "MASK", "STRING")
|
|
RETURN_NAMES = ("IMAGE", "MASK", "filename")
|
|
FUNCTION = "load_image"
|
|
|
|
def load_image(self, image):
|
|
image_path = folder_paths.get_annotated_filepath(image)
|
|
|
|
img = Image.open(image_path)
|
|
|
|
# 提取不带后缀的文件名
|
|
filename = os.path.splitext(os.path.basename(image_path))[0]
|
|
|
|
output_images = []
|
|
output_masks = []
|
|
for i in ImageSequence.Iterator(img):
|
|
i = ImageOps.exif_transpose(i)
|
|
|
|
if i.mode == 'I':
|
|
i = i.point(lambda i: i * (1 / 255))
|
|
|
|
image_rgba = i.convert("RGBA")
|
|
image_rgb = image_rgba.convert("RGB")
|
|
|
|
image_np = np.array(image_rgb).astype(np.float32) / 255.0
|
|
output_images.append(image_np)
|
|
|
|
if 'A' in i.getbands():
|
|
mask = np.array(i.getchannel('A')).astype(np.float32) / 255.0
|
|
mask = 1. - mask
|
|
else:
|
|
mask = np.zeros((image_np.shape[0], image_np.shape[1]), dtype=np.float32)
|
|
output_masks.append(mask)
|
|
|
|
if len(output_images) > 1:
|
|
output_image = torch.from_numpy(np.stack(output_images))
|
|
output_mask = torch.from_numpy(np.stack(output_masks))
|
|
else:
|
|
output_image = torch.from_numpy(output_images[0])[None,]
|
|
output_mask = torch.from_numpy(output_masks[0])[None,]
|
|
|
|
return (output_image, output_mask, filename)
|
|
|
|
@classmethod
|
|
def IS_CHANGED(s, image):
|
|
image_path = folder_paths.get_annotated_filepath(image)
|
|
m = hashlib.sha256()
|
|
with open(image_path, 'rb') as f:
|
|
m.update(f.read())
|
|
return m.digest().hex()
|
|
|
|
@classmethod
|
|
def VALIDATE_INPUTS(s, image):
|
|
if not folder_paths.exists_annotated_filepath(image):
|
|
return "Invalid image file: {}".format(image)
|
|
return True
|
|
|
|
NODE_CLASS_MAPPINGS = {
|
|
"LoadImageWithName": LoadImageWithNameNode
|
|
}
|
|
|
|
NODE_DISPLAY_NAME_MAPPINGS = {
|
|
"LoadImageWithName": "加载图像(带文件名) / Load Image With Name"
|
|
}
|