【ComfyUI插件】ComfyUI核心节点(三)

前言：

ComfyUI的学习是一场持久战，当你掌握ComfyUI的安装和运行之后，会出现琳琅满目的节点，当各种各样的工作流映入眼帘，往往难以接受纷繁复杂的节点种类，__本篇文章将以通俗易懂的语言，对ComfyUI的各种核心节点进行系统的梳理和参数的详解，__祝愿大家在学习的过程中掌握自我思考的能力，并且切实的掌握和理解各个节点的用法与功能。

__ComfyUI核心节点(一）: __https://articles.zsxq.com/comfyui/1.html

__ComfyUI核心节点(二）: __https://articles.zsxq.com/comfyui/2.html

__ComfyUI核心节点(四）: __https://articles.zsxq.com/comfyui/4.html

目录：

一、Apply ControlNet节点

二、ConditioningAverage节点

三、Conditioning(Combine)节点

四、Conditioning(Set Area)节点

五、ImageBlend节点

六、lmageBlur节点

七、lmageQuantize节点

八、lmageSharpen节点

区域控制示例工作流

一、Apply ControlNet节点

节点功能：该节点用来将ControlNet模型加载，从而控制图片去噪过程。

输入：

conditioning -> 接收传入的条件信息 **比如通过CLIP Text Encode (Prompt)后的信息**

control_net -> 加载ControlNet模型 **SD模型和SDXL模型对应的ControlNet模型不同**

image -> 加载预处理图片 **此处的图片是经过预处理的图像，并非原图**

注意：加入我们使用depth的ControlNet，那么我们传入的image是原始图片的深度图！

参数：

strength -> 权重程度，数值越高图片约束越强，反之越弱

输出：

CONDITIONING -> 输出混入ControlNet信息的条件信息流

注意：ContrloNet还会有专门一期讲解，重点会放在图像预处理阶段，这是一个独立的插件项目。

二、ConditioningAverage节点

节点功能：该节点根据强度因子对两个文本的条件信息进行插值混合。

输入：

conditioning_to -> 需要进行插值混合的条件信息之一

conditioning_from -> 需要进行插值混合的条件信息之一

注意：当conditioning_to_strngth为1时，扩散将只受conditioning_to的影响，当conditioning_to_strngth为0时，图像扩散将只受conditioning_from的影响。

参数：

conditioning_to_strngth -> 设置混合插值的强度

输出：

CONDITIONING -> 输出插值混合之后的条件信息

注意：当conditioning_to_strngth为0.5时，似乎会扩散出包含两个条件的图像，但是1girl，和1boy的竞争，只会有一个胜者，下图为0.5权重下，在dark和white之间的抉择结果。

三、Conditioning(Combine)节点

节点功能：该节点对两个条件信息进行插值混合。

输入：

conditioning_1 -> 需要进行插值混合的条件信息之一

conditioning_2 -> 需要进行插值混合的条件信息之一

注意：！！！此为个人推测理解，请谨慎吸收！！！Conditioning(Combine)节点和ConditioningAverage节点的区别在于ConditioningAverage是在文本通过CLIP模型之前进行向量混合，而Conditioning(Combine)结点是将通过CLIP模型之后的条件信息进行混合。

下图为控制参数不变的情况下，两个结点输出图片对比。