2024-09-03
分类：AI创作
阅读(656)
前言：
学习 ComfyUI 是一场持久战，而 ComfyUI layer style 是一组专为图片设计制作且集成了 Photoshop 功能的强大节点。该节点几乎将 PhotoShop 的全部功能迁移到 ComfyUI，诸如提供仿照 Adobe Photoshop 的图层样式、提供调整颜色功能（亮度、饱和度、对比度等）、提供 Mask 辅助工具、提供图层合成工具和工作流相关的辅助节点、提供图像效果滤镜等。旨在集中工作平台，使我们可以在 ComfyUI 中实现 PhotoShop 的一些基础功能。
方法一：通过 ComfyUI Manager 安装（推荐）
打开 Manager 界面
在 ComfyUI/custom_nodes 目录下输入 cmd 按回车进入电脑终端
在终端输入下面这行代码开始下载
git clone https://github.com/chflame163/ComfyUI_LayerStyle.git
这个节点的设计目的是通过自动检测图像中的目标对象，并为每个对象生成一个掩码框，以便在后续处理中使用。
输入：
mask → 输入遮罩
参数：
detect → 探测方法 **min_bounding_rect是大块形状最小外接矩形, max_inscribed_rect是大块形状最大内接矩形, mask_area是遮罩像素有效区域**
x_adjust → 修正探测之后的水平偏移
y_adjust → 修正探测之后的垂直偏移
scale_adjust → 修正探测之后的缩放偏移
输出：
box_preview → 探测结果预览图。红色表示探测到的结果，绿色表示加上修正后的输出结果
x_percent → 水平位置以百分比输出
y_percent → 垂直位置以百分比输出
width → 宽度输出
height → 高度输出
x → 左上角位置x坐标输出
y → 左上角位置y坐标输出
示例：
注意事项
- 检测模型选择：根据具体需求选择适合的检测模型，以获得最佳的检测效果。
- 检测阈值配置：根据具体需求设置检测阈值，确保检测结果准确且符合预期。较高的阈值可能导致漏检，较低的阈值可能导致误检。
- 输入图像质量：输入图像的质量会影响对象检测的效果，确保图像清晰且包含明确的目标对象。
- 处理性能：对象检测处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：检测完成后，检查生成的掩码框数据，确保每个掩码框准确对应检测到的对象，并且没有遗漏或误检。
通过使用 LayerMask: MaskBoxDetect 节点，可以在图像处理工作流程中实现高效的对象检测和掩码框生成，提升图像处理的自动化程度和准确性。
这个节点的设计目的是通过先进的图像分割算法，对图像中的对象进行精确分割，并生成相应的掩码，以便在后续处理中使用。
输入：
image → 输入图片
参数：
sam_model → 选择SAM模型
ground_dino_model → 选择Grounding DINO模型
threshold → SAM模型的阈值
detail_range → 边缘细节范围
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
prompt → SAM的prompt输入
输出：
image → 输出图片
mask → 分割目标的遮罩
注意：该节点需参照 ComfyUI Segment Anything 的安装方法安装模型。如果已经正确安装了 ComfyUI Segment Anything，可跳过此步骤。
从这里下载 config.json，model.safetensors，tokenizer_config.json，tokenizer.json 和 vocab.txt 5 个文件到 ComfyUI/models/bert-base-uncased 文件夹。
下载 GroundingDINO_SwinT_OGC config file, GroundingDINO_SwinT_OGC model, GroundingDINO_SwinB config file, GroundingDINO_SwinB model 到 ComfyUI/models/grounding-dino 文件夹。
下载 sam_vit_h，sam_vit_l, sam_vit_b, sam_hq_vit_h, sam_hq_vit_l, sam_hq_vit_b, mobile_sam 这几个文件到 ComfyUI/models/sams 文件夹。
示例：
注意事项
- 分割模型选择：根据具体需求选择适合的分割模型，以获得最佳的分割效果。
- 细节级别配置：根据具体需求设置分割的细节级别，确保分割结果精细且符合预期。较高的细节级别可能需要更多的计算资源。
- 输入图像质量：输入图像的质量会影响分割效果，确保图像清晰且包含明确的目标对象。
- 处理性能：高级分割处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：分割完成后，检查生成的分割掩码数据，确保每个掩码区域准确对应分割出的对象，并且没有遗漏或误分。
通过使用 LayerMask: SegmentAnythingUltra 节点，可以在图像处理工作流程中实现高效的高级对象分割，提升图像处理的自动化程度和准确性，满足各种复杂图像处理需求
这个节点的设计目的是通过更高效、更精确的图像分割技术，对图像中的对象进行精确分割，并生成相应的掩码，以便在后续处理中使用。
输入：
image → 输入图片
参数：
sam_model → 选择SAM模型
ground_dino_model → 选择Grounding DINO模型
threshold → SAM模型的阈值
detail_method → 边缘处理方法
detail_erode → 遮罩边缘向内侵蚀范围 **数值越大，向内修复的范围越大**
detail_dilate → 遮罩边缘向外扩张范围 **数值越大，向外修复的范围越大**
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
prompt → SAM的prompt输入
输出：
image → 输出图片
mask → 分割目标的遮罩
示例：
注意事项
- 分割模型选择：根据具体需求选择适合的分割模型，以获得最佳的分割效果。
- 细节级别配置：根据具体需求设置分割的细节级别，确保分割结果精细且符合预期。较高的细节级别可能需要更多的计算资源。
- 输入图像质量：输入图像的质量会影响分割效果，确保图像清晰且包含明确的目标对象。
- 处理性能：高级分割处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：分割完成后，检查生成的分割掩码数据，确保每个掩码区域准确对应分割出的对象，并且没有遗漏或误分。
通过使用 LayerMask: SegmentAnythingUltraV2 节点，可以在图像处理工作流程中实现高效的高级对象分割，提升图像处理的自动化程度和准确性，满足各种复杂图像处理需求。
这个节点的设计目的是通过高效的图像处理算法，自动移除图像中的背景，只保留前景对象，从而使图像处理更加灵活和专业。
输入：
image → 输入图片
参数：
detail_range → 边缘细节范围
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
输出：
image → 输出图片
mask → 分割目标的遮罩
示例：
使用该节点需将 BRIA Background Removal v1.4 模型文件(model.pth)下载至 ComfyUI/models/rmbg/RMBG-1.4 文件夹。
注意事项
- 处理模型选择：根据具体需求选择适合的背景移除模型，以获得最佳的处理效果。
- 移除强度配置：根据具体需求设置背景移除的强度，确保前景对象的边缘处理自然且不影响整体质量。
- 输入图像质量：输入图像的质量会影响背景移除的效果，确保图像清晰且前景对象与背景对比明显。
- 处理性能：高级背景移除处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：背景移除完成后，检查生成的无背景图像，确保前景对象完整且背景移除干净，没有残留或误移除部分。
通过使用 LayerMask: RemBgUltra 节点，可以在图像处理工作流程中实现高效的背景移除，提升图像处理的自动化程度和准确性，满足各种复杂图像处理需求。
这个节点用于高级背景移除任务，是 LayerMask: RemBgUltra 节点的升级版。其设计目的是通过改进的图像处理算法，更加准确和高效地移除图像中的背景，只保留前景对象，从而使图像处理更加精确和专业。
输入：
image → 输入图片
参数：
detail_method → 边缘处理方法
detail_erode → 遮罩边缘向内侵蚀范围 **数值越大，向内修复的范围越大**
detail_dilate → 遮罩边缘向外扩张范围 **数值越大，向外修复的范围越大**
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
输出：
image → 输出图片
mask → 分割目标的遮罩
示例：
这个节点是一个高级图像处理节点，专门用于通过双参考网络（Bi-Reference Network）进行高精度的图像分割和背景移除。
输入：
image → 输入图片
参数：
detail_method → 边缘处理方法 **提供了VITMatte, VITMatte(local), PyMatting, GuidedFilter。如果首次使用VITMatte后模型已经下载，之后可以使用VITMatte(local)**
detail_erode → 遮罩边缘向内侵蚀范围 **数值越大，向内修复的范围越大**
detail_dilate → 遮罩边缘向外扩张范围 **数值越大，向外修复的范围越大**
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
输出：
image → 输出图片
mask → 分割目标的遮罩
示例：
注意事项
- 参考图像选择：选择与目标图像相似的参考图像，以帮助提高分割和背景移除的精度。
- 处理模型选择：根据具体需求选择适合的双参考网络模型，以获得最佳的处理效果。
- 细节级别配置：根据具体需求设置分割的细节级别，确保分割结果精细且符合预期。较高的细节级别可能需要更多的计算资源。
- 输入图像质量：输入图像和参考图像的质量会影响分割效果，确保图像清晰且前景对象与背景对比明显。
通过使用 LayerMask: BiRefNetUltra 节点，可以在图像处理工作流程中实现高效且高精度的图像分割和背景移除。
这个节点的设计目的是通过识别图像中的亮部和暗部，生成相应的掩码，以便在后续处理中使用这些掩码进行特定区域的处理或增强。
输入：
image → 输入图片
mask → 输入遮罩
参数：
shadow_level_offset → 暗部取值的偏移量 **更大的数值使更多靠近明亮的区域纳入暗部**
shadow_range → 暗部的过渡范围
highlight_level_offset → 亮部取值的偏移量 **更小的数值使更多靠近阴暗的区域纳入亮部**
highlight_range → 亮部的过渡范围
输出：
shadow_mask → 暗部遮罩
highlight_mask → 亮部遮罩
示例：
注意事项
- 阈值配置：根据具体需求设置阴影和高光的阈值，确保识别结果准确且符合预期。较低的阈值可能导致阴影区域过大，较高的阈值可能导致高光区域过小。
- 输入图像质量：输入图像的质量会影响阴影和高光识别的效果，确保图像清晰且亮度分布均匀。
- 处理性能：阴影和高光识别处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：识别和掩码生成完成后，检查生成的阴影掩码和高光掩码，确保每个掩码区域准确对应识别出的阴影和高光区域，并且没有遗漏或误识别部分。
通过使用 LayerMask: Shadow & Highlight Mask 节点，可以在图像处理工作流程中实现高效的阴影和高光区域识别，生成用于后续处理的精确掩码。
文章来源于互联网:集成 Photoshop 功能的强大节点！ComfyUI layer style节点保姆级教程（三）
相关推荐: Copilot：编程助手，你真的需要它吗？使用体验对比分享
大家好，我是烤鸭： 最近ai火的狠，想聊聊代码里的copliot，最近几个月也使用了几款不同的copliot。 什么是copliot copliot 是ai助手，我们要说的是编程界的copliot。 先介绍几款我用过的： github copliot(微…
前言：
学习 ComfyUI 是一场持久战，而 ComfyUI layer style 是一组专为图片设计制作且集成了 Photoshop 功能的强大节点。该节点几乎将 PhotoShop 的全部功能迁移到 ComfyUI，诸如提供仿照 Adobe Photoshop 的图层样式、提供调整颜色功能（亮度、饱和度、对比度等）、提供 Mask 辅助工具、提供图层合成工具和工作流相关的辅助节点、提供图像效果滤镜等。旨在集中工作平台，使我们可以在 ComfyUI 中实现 PhotoShop 的一些基础功能。
方法一：通过 ComfyUI Manager 安装（推荐）
打开 Manager 界面
方法二：使用 git clone 命令安装
在 ComfyUI/custom_nodes 目录下输入 cmd 按回车进入电脑终端
在终端输入下面这行代码开始下载
git clone https://github.com/chflame163/ComfyUI_LayerStyle.git
这个节点用于检测图像中的人并生成相应的掩码。这一节点的设计目的是通过先进的图像处理算法，自动识别图像中的人物，并为每个检测到的人物生成精确的掩码，以便在后续处理中使用这些掩码进行特定区域的处理或增强。
输入：
images → 输入图像
参数：
face → 脸部识别开关
hair → 头发识别开关
body → 身体识别开关
clothes → 衣服识别开关
accessories → 配饰(例如背包)识别开关
background → 背景识别开关
confidence → 识别阈值 **更低的值将输出更多的遮罩范围**
detail_range → 边缘细节范围
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
输出：
images → 输出图像
mask → 输出遮罩
示例：身体识别只识别露在衣服外的皮肤部分
注意事项
- 检测模型选择：根据具体需求选择适合的人物检测模型，以获得最佳的检测效果。
- 检测精度配置：根据具体需求设置检测的精度，确保检测结果精细且符合预期。较高的精度可能需要更多的计算资源。
- 输入图像质量：输入图像的质量会影响人物检测和掩码生成的效果，确保图像清晰且人物与背景对比明显。
- 处理性能：高级人物检测和掩码生成处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：检测和掩码生成完成后，检查生成的人物掩码数据，确保每个掩码区域准确对应检测出的人物，并且没有遗漏或误识别部分。
通过使用 LayerMask: PersonMaskUltra 节点，可以在图像处理工作流程中实现高效且高精度的人物检测和掩码生成。
这个节点通过使用改进的高级人物检测模型，该节点可以更准确地检测出图像中的人物，并生成用于后续处理的精确掩码，是上一个节点的升级版。
输入：
images → 输入图像
参数：
face → 脸部识别开关
hair → 头发识别开关
body → 身体识别开关
clothes → 衣服识别开关
accessories → 配饰(例如背包)识别开关
background → 背景识别开关
confidence → 识别阈值 **更低的值将输出更多的遮罩范围**
detail_method → 边缘处理方法 **提供了VITMatte, VITMatte(local), PyMatting, GuidedFilter。如果首次使用VITMatte后模型已经下载，之后可以使用VITMatte(local)**
detail_erode → 遮罩边缘向内侵蚀范围 **数值越大，向内修复的范围越大**
detail_dilate → 遮罩边缘向外扩张范围 **数值越大，向外修复的范围越大**black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
process_detail → 此处设为False将跳过边缘处理以节省运行时间
输出：
images → 输出图像
mask → 输出遮罩
示例：
这俩节点的设计目的是通过扩展或收缩掩码边缘，以优化和细化掩码效果，从而在后续图像处理任务中获得更好的结果。
输入：
mask → 输入遮罩
参数：
invert_mask → 是否反转遮罩
grow → 扩张幅度 (正值是向外扩张，负值是向内收缩)
blur → 模糊程度
shrink_level → 收缩平滑级别
soft → 平滑幅度
edge_shrink → 边缘收缩幅度
edge_reserve → 保留边缘细节幅度 (100为完全保留，0为完全不保留)
输出：
mask → 输出遮罩
示例：
注意事项
- 输入掩码质量：输入掩码的质量会影响扩展效果，确保掩码边缘清晰。
- 扩展参数配置：根据具体需求设置扩展的像素数，确保扩展效果符合预期。
- 收缩参数配置：根据具体需求设置收缩的像素数，确保收缩效果符合预期。
通过使用 LayerMask: MaskGrow/MaskEdgeShrink 节点，可以在图像处理工作流程中灵活调整掩码的边缘，优化掩码效果，从而提升图像处理的精度和质量。
这个节点专注于扩展或收缩图像掩码的边缘像素。通过调整掩码的像素分布，可以增加或减少掩码覆盖的区域，从而优化图像处理效果。
输入：
image → 输入图像
mask → 输入遮罩
参数：
invert_mask → 是否反转遮罩
mask_grow → 遮罩扩张幅度
输出：
image → 输出图像
示例：
注意事项
- 调节参数配置：根据具体需求设置扩展或收缩的像素数，确保调节效果符合预期。
- 输入掩码质量：输入掩码的质量会影响调节效果，确保掩码边缘清晰。
- 操作类型选择：根据需要选择扩展（expand）或收缩（shrink）操作，以实现期望的掩码调整效果。
- 处理性能：边缘像素调节处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整完成后，检查生成的掩码数据，确保掩码区域符合预期，没有误调节或不完整的部分。
通过使用 LayerMask: PixelSpread 节点，可以在图像处理工作流程中实现高效的掩码边缘调整，优化图像处理的精度和效果。
这个节点专注于通过比较两个图像生成差异掩码。该节点可以识别图像之间的变化或差异，并生成用于后续处理的差异掩码。
输入：
image_1 → 输入第一张图像
image_2 → 输入第二张图像
参数：
gain → 计算增益 **调高此值，微弱的差异将更显著的呈现**
fix_gap → 修补遮罩内部缝隙 **更高的值将修补更大的缝隙**
fix_threshold → 修补阈值
main_subject_detect → 此项设为True将开启主体侦测，忽略主体之外的差异
输出：
mask → 输出遮罩
示例：
注意事项
- 比较参数配置：根据具体需求设置比较的阈值和敏感度，确保识别效果符合预期。较低的阈值可能导致误识别，较高的阈值可能导致漏识别。
- 输入图像质量：输入图像的质量会影响比较效果，确保图像清晰且变化部分明显。
- 处理性能：图像比较和掩码生成处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：比较和掩码生成完成后，检查生成的差异掩码数据，确保每个掩码区域准确对应图像之间的变化部分，并且没有误识别或遗漏。
通过使用 LayerMask: MaskByDifferent 节点，可以在图像处理工作流程中实现高效的变化检测和差异掩码生成。
这个节点专注于对图像掩码的边缘进行超细化处理。通过使用高级的边缘处理算法，可以对掩码的边缘进行细致的优化和增强，使掩码的边界更加平滑和精确。
输入：
image → 输入图像
mask → 输入遮罩
参数：
method → 提供PyMatting和OpenCV-GuidedFilter两种方法处理边缘 **PyMatting处理速度较慢，但是对于视频，建议使用这种方法获得更平滑的遮罩序列**
mask_grow → 遮罩扩张幅度 **正值是向外扩张，负值是向内收缩。对于较粗糙的遮罩，通常使用负值使其边缘收缩以获得更好的效果**
fix_gap → 修补遮罩中的空隙 **如果遮罩中有比较明显的空隙，适当调高此数值**
fix_threshold → 修补遮罩的阈值
detail_range → 边缘细节范围
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
输出：
image → 输出图像
mask → 输出遮罩
示例：
注意事项
- 细化参数配置：根据具体需求设置细化程度和平滑强度，确保处理效果符合预期。
- 输入掩码质量：输入掩码的质量会影响细化效果，确保掩码边缘清晰且没有严重的噪点或伪影。
- 处理性能：边缘细化处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- 结果检查：细化处理完成后，检查生成的掩码数据，确保掩码边缘细致和平滑，没有误处理或丢失部分。
通过使用 LayerMask: MaskEdgeUltraDetail 节点，可以在图像处理工作流程中实现高效的掩码边缘细化，优化图像处理的精度和效果。
这个节点通过更加先进的高精度边缘处理算法，进一步优化和细化掩码的边缘，使其更加平滑和精确，从而在后续图像处理中获得更高质量的效果，是上一个节点的升级版。
输入：
image → 输入图像
mask → 输入遮罩
参数：
method → 边缘处理方法 **增加了VITMatte和VITMatte(local)方法。如果首次使用VITMatte后模型已经下载，之后可以使用VITMatte(local)**
mask_grow → 遮罩扩张幅度 **正值是向外扩张，负值是向内收缩。对于较粗糙的遮罩，通常使用负值使其边缘收缩以获得更好的效果**
fix_gap → 修补遮罩中的空隙 **如果遮罩中有比较明显的空隙，适当调高此数值**
fix_threshold → 修补遮罩的阈值
edge_erode → 遮罩边缘向内侵蚀范围 **数值越大，向内修复的范围越大**
edge_dilate → 遮罩边缘向外扩张范围 **数值越大，向外修复的范围越大**
black_point → 边缘黑色采样阈值
white_point → 边缘黑色采样阈值
输出：
image → 输出图像
mask → 输出遮罩
示例：
文章来源于互联网:集成 Photoshop 功能的强大节点！ComfyUI layer style节点保姆级教程（四）
相关推荐: ComfyUI + Stable Diffusion 3（Windows 11）本地部署教程
ComfyUI + Stable Diffusion 3（Windows 11）本地部署教程 1. ComfyUI下载安装 官方仓库：https://github.com/comfyanonymous/ComfyUI 往中间走一点：https://github…
前言：
学习 ComfyUI 是一场持久战，而 ComfyUI layer style 是一组专为图片设计制作且集成了 Photoshop 功能的强大节点。该节点几乎将 PhotoShop 的全部功能迁移到 ComfyUI，诸如提供仿照 Adobe Photoshop 的图层样式、提供调整颜色功能（亮度、饱和度、对比度等）、提供 Mask 辅助工具、提供图层合成工具和工作流相关的辅助节点、提供图像效果滤镜等。旨在集中工作平台，使我们可以在 ComfyUI 中实现 PhotoShop 的一些基础功能。
方法一：通过 ComfyUI Manager 安装（推荐）
打开 Manager 界面
方法二：使用 git clone 命令安装
在 ComfyUI/custom_nodes 目录下输入 cmd 按回车进入电脑终端
在终端输入下面这行代码开始下载
git clone https://github.com/chflame163/ComfyUI_LayerStyle.git
此节点专注于使用查找表对图像进行颜色调整。查找表是一种预定义的颜色映射表，可以将输入图像的颜色映射到新的颜色空间，从而实现颜色校正或风格化效果。
输入：
image → 输入的图片
参数：
LUT → 这里列出了LUT文件夹中可用的.cube文件列表，选中的LUT文件将被应用到图像
color_space → 色彩空间 **普通图片请选择linear, log色彩空间的图片请选择log**
输出：
image → 处理后的图片
示例：
注意事项
- LUT 格式：确保使用的查找表格式与节点兼容，常见的 LUT 格式包括 .cube、.png 等。
- 颜色空间匹配：输入图像的颜色空间应与查找表的预期颜色空间匹配，以获得最佳效果。
- 处理性能：应用查找表的处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
- LUT 选择：根据具体的图像处理需求选择合适的 LUT，以实现预期的颜色调整效果。
通过使用 LayerColor: LUT Apply 节点，可以在图像处理工作流程中实现高效的颜色调整和风格化处理，提升图像的视觉效果和艺术表现力。
通过对图像的亮度直方图进行分析，该节点可以动态调整图像的亮度，使其更符合视觉上的最佳亮度分布。
输入：
image → 输入的图片
mask → 输入遮罩
参数：
strength → 自动调整亮度的强度 **数值越大，越偏向中间值，与原图的差别越大**
saturation → 色彩饱和度 **亮度改变通常会导致色彩饱和度发生变化，可在此适当调整补偿**
输出：
image → 处理后的图片
示例：
注意事项
- 输入图像质量：确保输入图像的质量良好，避免过度曝光或过暗区域，因为这些问题可能影响自动亮度调整效果。
- 处理性能：自动亮度调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：虽然自动亮度调整通常能提供良好的效果，但对于某些特定场景，手动微调可能仍然是必要的，以确保达到最佳效果。
通过使用 LayerColor: AutoBrightness 节点，可以在图像处理工作流程中实现高效的亮度自动优化，提升图像的视觉效果和亮度平衡。
此节点专注于通过调整图像的颜色，使其符合预定的颜色方案或风格。
输入：
image → 输入的图片
color_ref_image → 输入参考颜色图片
参数：
opacity → 图像调整色调之后的不透明度
输出：
image → 处理后的图片
示例：
注意事项
- 颜色方案选择：确保选择适合处理目标的颜色方案，以实现预期的视觉效果。
- 输入图像质量：输入图像的质量会影响颜色调整的效果，确保图像清晰、色彩信息完整。
- 处理性能：颜色调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：虽然颜色调整可以自动应用，但手动微调可能仍然必要，以确保达到最佳效果。
通过使用 LayerColor: ColorAdapter 节点，可以在图像处理工作流程中实现高效的颜色调整和风格转换，提升图像的视觉效果和一致性。
此节点专注于调整图像的曝光度。通过增加或减少曝光值，可以使图像变得更亮或更暗，以达到预期的视觉效果。
输入：
image → 输入的图片
参数：
exposure → 曝光值 **更高的数值表示更亮的曝光，可以为负数**
输出：
image → 处理后的图片
示例：
注意事项
- 曝光值配置：根据具体需求配置合适的曝光值，确保调整后的图像亮度符合预期。曝光值为正值时增加曝光，为负值时减少曝光。
- 输入图像质量：输入图像的质量会影响曝光调整的效果，确保图像清晰，曝光问题主要集中在中间亮度区域。
- 处理性能：曝光调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整曝光后，检查图像细节和色彩是否保持一致，以防止过度调整导致图像失真或细节丢失。
通过使用 LayerColor: Exposure 节点，可以在图像处理工作流程中实现高效的曝光调整，提升图像的亮度和整体视觉效果。
此节点专注于对图像的阴影和高光区域进行颜色调整。通过单独控制这两个区域的颜色，可以实现更细致的色彩校正和风格化处理。
输入：
image → 输入的图片
mask → 遮罩
参数：
shadow_brightness → 暗部的亮度
shadow_saturation → 暗部的色彩饱和度
shadow_hue → 暗部的色相
shadow_level_offset → 暗部取值的偏移量 **数值越大则更多靠近明亮的区域纳入暗部**
shadow_range → 暗部的过渡范围
highlight_brightness → 亮部的亮度
highlight_saturation → 亮部的色彩饱和度
highlight_hue → 亮部的色相
highlight_level_offset → 亮部取值的偏移量 **数值越小则更多靠近阴暗的区域纳入亮部**
highlight_range → 亮部的过渡范围
输出：
image → 处理后的图片
示例：
注意事项
- 颜色参数配置：根据具体需求配置阴影和高光的颜色参数，确保调整后的图像色彩符合预期。
- 输入图像质量：输入图像的质量会影响颜色调整的效果，确保图像的阴影和高光区域明确且没有严重的颜色偏移。
- 处理性能：颜色调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整阴影和高光颜色后，检查图像的整体色彩平衡和视觉效果，确保没有过度调整导致的色彩失真。
通过使用 LayerColor: Color of Shadow & HighLight 节点，可以在图像处理工作流程中实现高效的阴影和高光颜色调整，提升图像的色彩表现和整体视觉效果。
此节点专注于对图像进行伽马校正。通过调整伽马值，可以改变图像的亮度和对比度，优化图像的整体视觉效果。
输入：
image → 输入的图片
参数：
gamma → 设置处理后图像Gamma值
输出：
image → 处理后的图片
示例：
注意事项
- 伽马值配置：根据具体需求配置合适的伽马值，确保调整后的图像亮度和对比度符合预期。伽马值大于 1 会降低亮度，伽马值小于 1 会增加亮度。
- 输入图像质量：输入图像的质量会影响伽马校正的效果，确保图像中没有过多的噪声和失真。
- 处理性能：伽马校正处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整伽马值后，检查图像的整体视觉效果，确保没有过度调整导致的图像失真或细节丢失。
通过使用 LayerColor: Gamma 节点，可以在图像处理工作流程中实现高效的伽马校正，优化图像的亮度和对比度，提升图像的整体视觉效果。
此节点专注于对图像进行亮度和对比度的调整。通过独立控制这两个参数，可以显著改善图像的视觉效果。
输入：
image → 输入的图片
参数：
brightness → 图像的亮度
contrast → 图像的对比度
saturation → 图像的色彩饱和度
输出：
image → 处理后的图片
示例：
注意事项
- 亮度和对比度配置：根据具体需求配置合适的亮度和对比度值，确保调整后的图像效果符合预期。亮度值和对比度值通常在-100 到 100 之间。
- 输入图像质量：输入图像的质量会影响亮度和对比度调整的效果，确保图像中没有过多的噪声和失真。
- 处理性能：亮度和对比度调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整亮度和对比度后，检查图像的整体视觉效果，确保没有过度调整导致的图像失真或细节丢失。
通过使用 LayerColor: Brightness & Contrast 节点，可以在图像处理工作流程中实现高效的亮度和对比度调整，优化图像的视觉效果，使图像更加清晰和吸引人。
分别调整图像的 RGB、YUV、LAB、HSV 通道。
输入：
image → 输入的图片
参数：
R → R通道 **红色通道**
G → G通道 **绿色通道**
B → B通道 **蓝色通道**
H → H通道 **色调、色相通道**
S → S通道 **饱和度、色彩纯净度通道**
V → V通道 **明度通道**
L → L通道 **亮度通道**
A → A通道 **从绿色到红色的分量通道**
B → B通道 **从蓝色到黄色的分量通道**
Y → Y通道 **强度、亮度通道**
U → U通道 **蓝色色度通道**
V → V通道 **色调、色相通道**
输出：
image → 处理后的图片
示例：
注意事项
- 参数配置：根据具体需求配置合适的颜色参数，确保调整后的图像效果符合预期。
- 输入图像质量：输入图像的质量会影响颜色调整的效果，确保图像的色彩信息完整。
- 处理性能：颜色调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：调整颜色后，检查图像的整体色彩平衡和视觉效果，确保没有过度调整导致的色彩失真。
- 通过使用这些 LayerColor 节点，可以在图像处理工作流程中实现高效的颜色调整和优化，提升图像的视觉效果和色彩表现力。
文章来源于互联网:集成 Photoshop 功能的强大节点！ComfyUI layer style节点保姆级教程（一）
相关推荐: Stable Diffusion从入门到卸载，一站式服务为你的AI绘画保驾护航！
大家好，目前正在学习研究Stable Diffusion，致力于用最为朴素直白的语言为你介绍AI绘画的相关知识。 花了很长的时间，终于整理好这份Stable Diffusion的教程，从入门的安装、本地部署到觉得疲惫，安装失败，想要卸载，里面的内容应有尽有。 …
前言：
学习 ComfyUI 是一场持久战，而 ComfyUI layer style 是一组专为图片设计制作且集成了 Photoshop 功能的强大节点。该节点几乎将 PhotoShop 的全部功能迁移到 ComfyUI，诸如提供仿照 Adobe Photoshop 的图层样式、提供调整颜色功能（亮度、饱和度、对比度等）、提供 Mask 辅助工具、提供图层合成工具和工作流相关的辅助节点、提供图像效果滤镜等。旨在集中工作平台，使我们可以在 ComfyUI 中实现 PhotoShop 的一些基础功能。
方法一：通过 ComfyUI Manager 安装（推荐）
打开 Manager 界面
方法二：使用 git clone 命令安装
在 ComfyUI/custom_nodes 目录下输入 cmd 按回车进入电脑终端
在终端输入下面这行代码开始下载
git clone https://github.com/chflame163/ComfyUI_LayerStyle.git
这一节点的设计目的是通过覆盖颜色层来改变图像的整体色调或添加特定的颜色效果，增强图像的视觉表现力。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
注意：这三项必须是相同的尺寸，另 mask 不是必须的输入项
参数：
invert_mask → 是否反转遮罩
blend_mode → 描边的混合模式（一共有19种混合模式）
opacity → 不透明度
color → 覆盖的颜色
输出：
image → 处理后的图片
示例：简单节点示例
示例：19 种描边混合模式
注意事项
- 颜色选择：选择适合处理目标的覆盖颜色，以实现预期的视觉效果。
- 不透明度配置：根据具体需求设置不透明度，控制颜色覆盖的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响颜色覆盖的效果，确保图像清晰且色彩信息完整。
- 处理性能：颜色覆盖处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用颜色覆盖后，检查图像的整体视觉效果，确保颜色覆盖效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: ColorOverlay 节点，可以在图像处理工作流程中实现高效的颜色覆盖效果，提升图像的视觉表现力和艺术效果。
这一节点的设计目的是通过添加阴影，使图像中的元素看起来更加立体和突出，增加视觉深度和层次感。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 阴影的混合模式
opacity → 阴影的不透明度
distance_x → 阴影的水平方向偏移量
distance_y → 阴影的垂直方向偏移量
grow → 阴影扩张幅度
blur → 阴影模糊程度
shadow_color → 阴影颜色
输出：
image → 处理后的图片
示例：
注意事项
- 阴影颜色选择：选择适合处理目标的阴影颜色，以实现预期的视觉效果。
- 位置和模糊配置：根据具体需求设置阴影的偏移量和模糊半径，确保阴影效果自然且不遮盖图像的主要内容。
- 不透明度配置：根据具体需求设置阴影的不透明度，控制阴影效果的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响阴影效果的视觉表现，确保图像清晰且重要元素位置明确。
- 处理性能：阴影效果处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用阴影效果后，检查图像的整体视觉效果，确保阴影效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: DropShadow 节点，可以在图像处理工作流程中实现高效的阴影效果，增强图像的立体感和视觉层次，使图像更加生动和具有吸引力。
这一节点的设计目的是通过添加渐变色彩层来改变图像的整体色调或增强图像的视觉效果。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 描边的混合模式
opacity → 描边的不透明度
start_color → 渐变开始端的颜色
start_alpha → 渐变开始端的透明度
end_color → 渐变结束端的颜色
end_alpha → 渐变结束端的透明度
angle → 渐变旋转角度
输出：
image → 处理后的图片
示例：
注意事项
- 颜色选择：选择适合处理目标的渐变颜色，以实现预期的视觉效果。可以选择两个或多个颜色来创建渐变效果。
- 渐变方向：根据具体需求设置渐变的方向，常见方向有水平、垂直和对角线等。
- 不透明度配置：根据具体需求设置渐变的不透明度，控制渐变效果的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响渐变覆盖的效果，确保图像清晰且色彩信息完整。
- 处理性能：渐变覆盖处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用渐变覆盖后，检查图像的整体视觉效果，确保渐变效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: GradientOverlay 节点，可以在图像处理工作流程中实现高效的渐变覆盖效果，提升图像的视觉表现力和艺术效果。
这一节点设计目的是通过在图像内部添加柔和的光晕效果，增强图像的立体感和视觉吸引力。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 发光的混合模式
opacity → 发光的不透明度
brightness → 发光亮度
glow_range → 发光范围
blur → 发光模糊程度
light_color → 发光中心颜色
glow_color → 辉光外围颜色
输出：
image → 处理后的图片
示例：
注意事项
- 发光颜色选择：选择适合处理目标的发光颜色，以实现预期的视觉效果。
- 发光半径和强度配置：根据具体需求设置发光的半径和强度，确保发光效果自然且不遮盖图像的主要内容。
- 不透明度配置：根据具体需求设置发光的不透明度，控制发光效果的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响发光效果的视觉表现，确保图像清晰且重要元素位置明确。
- 处理性能：发光效果处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用发光效果后，检查图像的整体视觉效果，确保发光效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: InnerGlow 节点，可以在图像处理工作流程中实现高效的内发光效果，增强图像的立体感和视觉层次，使图像更加生动和具有吸引力。
这一节点的设计目的是通过在图像内部添加阴影，使图像中的元素看起来更加立体和具有深度。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 阴影的混合模式
opacity → 阴影的不透明度
distance_x → 阴影的水平方向偏移量
distance_y → 阴影的垂直方向偏移量
grow → 阴影扩张幅度
blur → 阴影模糊程度
shadow_color → 阴影颜色
输出：
image → 处理后的图片
示例：
注意事项
- 阴影颜色选择：选择适合处理目标的阴影颜色，以实现预期的视觉效果。
- 位置和模糊配置：根据具体需求设置阴影的偏移量和模糊半径，确保阴影效果自然且不遮盖图像的主要内容。
- 不透明度配置：根据具体需求设置阴影的不透明度，控制阴影效果的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响阴影效果的视觉表现，确保图像清晰且重要元素位置明确。
- 处理性能：阴影效果处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用阴影效果后，检查图像的整体视觉效果，确保阴影效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: InnerShadow 节点，可以在图像处理工作流程中实现高效的内部阴影效果，增强图像的立体感和视觉层次，使图像更加生动和具有吸引力。
这一节点的设计目的是通过在图像外部添加光晕效果，使图像中的元素更加突出和具有光彩。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 发光的混合模式
opacity → 发光的不透明度
brightness → 发光亮度
glow_range → 发光范围
blur → 发光模糊程度
light_color → 发光中心颜色
glow_color → 辉光外围颜色
输出：
image → 处理后的图片
示例：
注意事项
- 发光颜色选择：选择适合处理目标的发光颜色，以实现预期的视觉效果。
- 发光半径和强度配置：根据具体需求设置发光的半径和强度，确保发光效果自然且不遮盖图像的主要内容。
- 不透明度配置：根据具体需求设置发光的不透明度，控制发光效果的强度。一般来说，不透明度值在 0 到 1 之间，0 表示完全透明，1 表示完全不透明。
- 输入图像质量：输入图像的质量会影响发光效果的视觉表现，确保图像清晰且重要元素位置明确。
- 处理性能：发光效果处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用发光效果后，检查图像的整体视觉效果，确保发光效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: OuterGlow 节点，可以在图像处理工作流程中实现高效的外部发光效果，增强图像的立体感和视觉层次，使图像更加生动和具有吸引力。
这一节点的设计目的是通过在图像元素周围添加轮廓线，使其更加突出和具有视觉层次感。
输入：
background_image → 输入的背景图片
layer_image → 用于合成的层图像
layer_mask → 层图像的遮罩
参数：
invert_mask → 是否反转遮罩
blend_mode → 发光的混合模式
opacity → 发光的不透明度
stroke_grow → 描边扩张/收缩幅度 （正值是扩张，负值是收缩）
stroke_width → 描边宽度
blur → 描边模糊程度
stroke_color → 描边颜色
输出：
image → 处理后的图片
示例：
注意事项
- 描边颜色选择：选择适合处理目标的描边颜色，以实现预期的视觉效果。
- 描边宽度配置：根据具体需求设置描边的宽度，确保描边效果明显但不遮盖图像的主要内容。
- 描边位置选择：根据具体需求选择描边的位置，常见位置包括内部、外部和居中。
- 输入图像质量：输入图像的质量会影响描边效果的视觉表现，确保图像清晰且重要元素位置明确。
- 处理性能：描边效果处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
- 结果检查：应用描边效果后，检查图像的整体视觉效果，确保描边效果符合预期且没有影响到图像的重要细节。
通过使用 LayerStyle: Stroke 节点，可以在图像处理工作流程中实现高效的描边效果，增强图像的立体感和视觉层次，使图像更加生动和具有吸引力。
文章来源于互联网:集成 Photoshop 功能的强大节点！ComfyUI layer style节点保姆级教程（二）
相关推荐: Stable Diffusion 本地化部署
一、前言 最近在家背八股文背诵得快吐了，烦闷的时候，看到使用 AI 进行作图，可以使用本地话部署。刚好自己家里的电脑，之前买来玩暗黑4，配置相对来说来可以，就拿来试试。 此篇是按照 Github 上的 stable-diffusion-webui 相关说明进行…
5bei.cn大模型教程网
