rui40000andClaude Opus 4.8
bc433bc24a
节点为纯数学去底（等效 AE Unmult）：纯色底合成图满足 C = aF + (1-a)B，背景色已知即可反解出前景色与 alpha， 无需模型推理，且能真实保留半透明层次。 核实结果： - 已正确注册进 __init__.py（无外部依赖，裸 import 与仓库惯例一致） - 4 个参数均带中文 tooltip，符合本仓库的统一规则 - 分类 Rui-Node/抠图 与其余抠图节点一致，支持批量 验证（构造已知合成图反推真值）： - 发光素材在黑底/白底/绿幕下，alpha 与前景色平均误差均为 0.0000， 数学上是精确解 - 黑白点参数、批量输入、RGBA/MASK 双输出均正常 同时测出一条必须写进文档的适用边界： 黑底 unmult 本质是拿亮度当不透明度，这对发光物成立、对实体不成立。 同一实体素材（alpha 真值恒为 1）实测—— 黑底：亮部 0.900，暗部仅 0.080（黑头发/深色衣服/鞋会被扣穿） 绿幕：亮部 0.900，暗部 0.940，正常 故黑底的角色素材仍应走 Lucida / FeyNobg 等语义抠图， unmult 留给光效、火焰、粒子与绿幕素材。README 补了四个抠图节点的选型表。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
135 lines
4.8 KiB
Python
135 lines
4.8 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
半透明抠图节点（Unmult）—— Ruinode
|
||
==================================
|
||
纯数学去底算法，等效 AE Unmult 效果。
|
||
适用于渲染在纯色底上的光效、火焰、烟雾、粒子、UI 特效等半透明素材。
|
||
|
||
原理：纯色背景合成图满足 C = αF + (1-α)B，
|
||
其中 B 为已知背景色。通过各通道与背景色的差异反推 α 和前景色 F。
|
||
支持任意背景色（黑/白/绿幕/自定义），纯数学变换，无模型推理。
|
||
|
||
支持批量输入（序列帧/视频帧），逐帧处理后堆叠输出。
|
||
"""
|
||
|
||
import numpy as np
|
||
import torch
|
||
|
||
|
||
def _hex_to_rgb01(hex_str: str) -> tuple:
|
||
"""将 #RRGGBB 格式的颜色字符串转为 (r, g, b) 浮点元组，值域 [0,1]。"""
|
||
h = hex_str.strip().lstrip("#")
|
||
if len(h) == 3:
|
||
h = h[0] * 2 + h[1] * 2 + h[2] * 2
|
||
if len(h) != 6:
|
||
raise ValueError(f"无效的颜色格式：{hex_str}，需要 #RRGGBB")
|
||
r = int(h[0:2], 16) / 255.0
|
||
g = int(h[2:4], 16) / 255.0
|
||
b = int(h[4:6], 16) / 255.0
|
||
return (r, g, b)
|
||
|
||
|
||
def _unmult_frame(rgb: np.ndarray, bg_color: tuple,
|
||
alpha_low: float, alpha_high: float,
|
||
epsilon: float = 1e-6) -> tuple:
|
||
"""对单帧图像执行 Unmult 去底。
|
||
|
||
参数:
|
||
rgb: float32 [H,W,3] 值域 [0,1]
|
||
bg_color: (R,G,B) 值域 [0,1]
|
||
alpha_low: 黑点（低于此值的 alpha 映射为 0）
|
||
alpha_high: 白点（高于此值的 alpha 映射为 1）
|
||
|
||
返回:
|
||
(foreground [H,W,3], alpha [H,W]) 均 float32
|
||
"""
|
||
bg = np.array(bg_color, dtype=np.float32).reshape(1, 1, 3)
|
||
diff = rgb.astype(np.float32) - bg
|
||
|
||
scale = np.array([max(bg_color[c], 1.0 - bg_color[c], epsilon)
|
||
for c in range(3)], dtype=np.float32).reshape(1, 1, 3)
|
||
norm_diff = np.abs(diff) / scale
|
||
alpha = np.max(norm_diff, axis=-1)
|
||
alpha = np.clip(alpha, 0.0, 1.0)
|
||
|
||
if alpha_low > 0.0 or alpha_high < 1.0:
|
||
span = max(alpha_high - alpha_low, epsilon)
|
||
alpha = np.clip((alpha - alpha_low) / span, 0.0, 1.0)
|
||
|
||
alpha_safe = np.maximum(alpha, epsilon)
|
||
foreground = bg + diff / alpha_safe[..., np.newaxis]
|
||
foreground = np.clip(foreground, 0.0, 1.0)
|
||
|
||
transparent = alpha < epsilon
|
||
foreground[transparent] = 0.0
|
||
|
||
return foreground.astype(np.float32), alpha.astype(np.float32)
|
||
|
||
|
||
class RuiUnmult:
|
||
"""半透明抠图（Unmult）：指定背景色，纯数学去底，输出 RGBA 图像 + Alpha 蒙版。"""
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(cls):
|
||
return {
|
||
"required": {
|
||
"image": ("IMAGE", {
|
||
"tooltip": "待去底的图像，支持批量（序列帧/视频帧逐帧处理）。"
|
||
}),
|
||
"bg_color": ("STRING", {
|
||
"default": "#000000",
|
||
"tooltip": "要去除的背景色，#RRGGBB 格式。\n"
|
||
"常用值：#000000（黑底）、#FFFFFF（白底）、"
|
||
"#00FF00（绿幕）、#FF00FF（品红）。"
|
||
}),
|
||
"alpha_low": ("FLOAT", {
|
||
"default": 0.0, "min": 0.0, "max": 0.5, "step": 0.01,
|
||
"tooltip": "黑点（主体保护）：低于此值的 alpha 强制归零。\n"
|
||
"调高可清除背景残留噪点，但过高会丢失边缘细节。"
|
||
}),
|
||
"alpha_high": ("FLOAT", {
|
||
"default": 1.0, "min": 0.3, "max": 1.0, "step": 0.01,
|
||
"tooltip": "白点（主体保护）：高于此值的 alpha 强制归一。\n"
|
||
"调低可让主体更实、减少半透明损失，但过低会让边缘硬化。"
|
||
}),
|
||
},
|
||
}
|
||
|
||
RETURN_TYPES = ("IMAGE", "MASK")
|
||
RETURN_NAMES = ("rgba_image", "alpha")
|
||
FUNCTION = "unmult"
|
||
CATEGORY = "Rui-Node🐶/抠图✂️"
|
||
|
||
def unmult(self, image, bg_color, alpha_low, alpha_high):
|
||
bg_rgb = _hex_to_rgb01(bg_color)
|
||
|
||
B, H, W, C = image.shape
|
||
if C == 4:
|
||
image = image[..., :3]
|
||
elif C == 1:
|
||
image = image.repeat(1, 1, 1, 3)
|
||
|
||
fg_list = []
|
||
alpha_list = []
|
||
|
||
for i in range(B):
|
||
frame = image[i].cpu().numpy().astype(np.float32)
|
||
fg, a = _unmult_frame(frame, bg_rgb,
|
||
float(alpha_low), float(alpha_high))
|
||
rgba = np.concatenate([fg, a[..., np.newaxis]], axis=-1)
|
||
fg_list.append(torch.from_numpy(rgba))
|
||
alpha_list.append(torch.from_numpy(a))
|
||
|
||
rgba_out = torch.stack(fg_list) # [B, H, W, 4]
|
||
alpha_out = torch.stack(alpha_list) # [B, H, W]
|
||
|
||
return (rgba_out, alpha_out)
|
||
|
||
|
||
NODE_CLASS_MAPPINGS = {
|
||
"RuiUnmult": RuiUnmult,
|
||
}
|
||
NODE_DISPLAY_NAME_MAPPINGS = {
|
||
"RuiUnmult": "半透明抠图 / Unmult Matting",
|
||
}
|