【ComfyUI插件】ComfyUI Essentials插件（一）

前言：

该插件由cubiq大佬进行开发出来的（这个大佬也是Ipadapter和InstandID和Pulid的Comfyui插件的开发作者），此插件主要在图片处理、蒙版处理、采样器、文本编码器等多个方面提供了辅助节点帮助我们更好解决一些问题。但本节中主要是针对图片的处理，如插值，组合，裁剪等方法。

安装方法

安装方法，一共有2种

1、在manager里搜索ComfyUI Essentials，然后点击安装第一个即可

__2、在custom_nodes目录下调用cmd，然后输入git clone __https://github.com/cubiq/ComfyUI_essentials.git

项目地址：https://github.com/cubiq/ComfyUI_essentials.git

一、SDXL CLIPTextEncode节点

节点功能：该节点为SDXL模型提供了可以自由缩放条件大小的文本编码器，效果是通过调节size_cond_factor大小来生成有轻微变化的图片

输入：

clip -> 输入的clip模型

参数：

width -> 输入的编码后形成的条件信息的基础宽

height -> 输入的编码后形成的条件信息的基础高

size_cond_factor -> 编码后的条件信息调节比例，与前面基础宽高相乘用于形成条件信息最终的宽高和目标宽高，默认4，调节范围从1到16，当是1时和正常clip文本编码器作用效果一致，作用效果是会轻微改变图片，所以选择适合的即可

text文本框 -> 输入的将要编码的文本

输出：

CONDITIONING -> 输出编码形成的条件

该节点的width、height、size_cond_factor参数是作用在潜空间上的，对生成图片的大小并没有影响，但对图片的细节有影响，一般较小的size_cond_factor，条件编码关注更局部的特征，更适合生成小细节清晰的内容，较大的size_cond_factor，条件编码更加全局化，适合处理大范围或低分辨率的图像。

二、SD3 Negative Conditioning节点

节点功能：该节点是用于更好地控制SD3模型的负面条件，由于SD3模型对于负面条件信息比较敏感，如果使用其它方式调节负面条件需要较多节点连接，所以为了简化操作，就有了这个节点

参数：

conditioning -> 输入的负面条件信息

end -> 结束的负面条件强度，开始负面条件强度默认是从0开始

CONDITIONING -> 输出调节后的负面强度信息

节点等效功能：

这是SD3基础工作流

这是SD3替换节点后的工作流，可以看到，和上面的生成一样。

这里__Range(Float）__节点设置了从0.0到1.0，end每0.2累加生成的图像。如果为了实现微妙的负面调节效果，将end参数设置为较低的值，更接近 0.0。为了获得更明显的负面条件影响，将end参数值增加至 1.0。

需要注意是，使用SD3模型需要clip模型。

三、Cond Combine Multiple节点

__节点功能：该节点是用于更方便实现多个条件信息的合并，尤其是2个以上的条件信息的合并，优化了使用原生的Conditioning（Combine）节点连线重复的问题。（注：Combine是使用多个条件信息分别形成噪声再合并噪声去生图的方法） __

输入：

conditioing_1 -> 输入的条件信息1

conditioing_2 -> 输入的条件信息2

conditioing_3 -> 输入的条件信息3，可选择的，非必须输入项

conditioing_4 -> 输入的条件信息4，可选择的，非必须输入项

conditioing_5 -> 输入的条件信息5，可选择的，非必须输入项

输出：

CONDITIONING -> 输出的合并后的条件信息

将蓝色group中的提示词拆解成单个Prompt，再使用__Cond Combine Multiple节点__合并condition。

四、Image Enhance Difference节点

节点功能：该节点的功能是比较输入的两张图片存在的差异，如果没有差异会输出一张纯黑色图片，反之会输出差异图

输入：

image1 -> 输入的要比较的图片1

image2 -> 输入的要比较的图片2

参数：

exponent -> 指数，用于调节图片差异显示效果，默认0.75，参数范围从0到1，一般默认即可

值越高，差值的增强效果越强。

0.0：差值完全不增强（结果为纯黑图像）。
1.0：差值不做平滑处理（线性差值结果）。

输出：

IMAGE -> 输出差异图片

下面从上到下，从左到右分别对应__exponent__为0、 0.2、0.4、0.6、0.8、1.0。

需要注意的是，当两张图片尺寸不一致时，节点会对 image2 进行使用双三次插值（bicubic）算法进行调整，并裁剪到中心以匹配尺寸以匹配 image1

五、Image Batch Multiple节点

节点功能：该节点的功能是将输入多个图片变成一组图片或一批图片

输入：

image_1 -> 输入的图片1，必须项

image_2 -> 输入的图片2，非必须项

image_3 -> 输入的图片3，非必须项

image_4 -> 输入的图片4，非必须项

image_5 -> 输入的图片5，非必须项

参数：

method -> 缩放插值方法，在输入图片1之后的图片时，这些图片会根据图片1的大小进行缩放，再变成同一组图片，这里就是选择使用的缩放方法，缩放插值方法有lanczos、nearest-exact、area、bilinear、bicubic，一般使用lanczos或bicubic

当输入的图片尺寸不一致时，节点会对所有图片（除了image1）使用插值（bicubic）算法进行调整，并裁剪到中心以匹配尺寸以匹配 image1

输出：

IMAGE -> 输出的一组图片

__插值缩放方法： __

六、Image Expand Batch节点

节点功能：该节点的功能是将输入的一批图片进行扩充形成新的一批图片

输入：

image -> 输入的一批图片

参数：

size -> 想要输出的一批图片的数量

method -> 图片批次扩充的选择的方法，有expand、repeat all、first、repeat last四种方法，四种方法区别可看基础工作流

输出：

IMAGE -> 输出的新的一批图片

其中__first__使用第一张图片替换所有剩余的部分，__last__则是使用最后一张图片替换所有剩余的部分。而__expand__和__replace_all__除了排列上有不同，目测看不出什么区别。但代码中显示__expand__是进行了插值处理，__replace_all__只是简单的复制。