【ComfyUI插件】ComfyUI layer style 插件（四）
前言：
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。
__Comfy layer style插件（一）: __https://articles.zsxq.com/layer_style/1.html
__Comfy layer style插件（二）: __https://articles.zsxq.com/layer_style/2.html
__Comfy layer style插件（三）: __https://articles.zsxq.com/layer_style/3.html
目录：
先行：安装方式
一、LayerMask：PersonMaskUltra节点
二、LayerMask：PersonMaskUltraV2节点
三、LayerMask：MaskGrow / MaskEdgeShrink节点
四、LayerMask：PixelSpread节点
五、LayerMask：MaskByDifferent节点
六、LayerMask：MaskEdgeUltraDetail节点
七、LayerMask：MaskEdgeUltraDetailV2节点
示例工作流
安装方法：
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
一、LayerMask：PersonMaskUltra节点
__节点功能：为人物生成脸、头发、身体皮肤、衣服或配饰的遮罩。与之前的A Person Mask Generator节点相比，这个节点具有超高的边缘细节。 __
输入：
images -> 输入图像
参数：
face -> 脸部识别开关 **enabled为开，disabled为关**
hair -> 头发识别开关 **enabled为开，disabled为关**
body -> 身体识别开关 **enabled为开，disabled为关**
clothes -> 衣服识别开关 **enabled为开，disabled为关**
accessories -> 配饰(例如背包)识别开关 **enabled为开，disabled为关**
background -> 背景识别开关 **enabled为开，disabled为关**
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
注意：身体识别只识别除衣服外的部分（漏在衣服外的部分）
二、LayerMask：PersonMaskUltraV2节点
节点功能：PersonMaskUltra的V2升级版，增加了VITMatte边缘处理方法。(注意:超过2K尺寸的图片使用此方法将占用大量内存)。
输入：
images -> 输入图像
参数：
face -> 脸部识别开关 **enabled为开，disabled为关**
hair -> 头发识别开关 **enabled为开，disabled为关**
body -> 身体识别开关 **enabled为开，disabled为关**
clothes -> 衣服识别开关 **enabled为开，disabled为关**
accessories -> 配饰(例如背包)识别开关 **enabled为开，disabled为关**
background -> 背景识别开关 **enabled为开，disabled为关**
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
三、LayerMask：MaskGrow / MaskEdgeShrink节点
节点功能：MaskGrow对mask进行扩张收缩边缘和模糊处理，MaskEdgeShrink使mask边缘平滑地过渡收缩，并保留边缘细节。
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
四、LayerMask：PixelSpread节点
节点功能：对图像的遮罩边缘部分进行像素扩张预处理，可有效改善图像合成的边缘。
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
五、LayerMask：MaskByDifferent节点
节点功能：计算两张图像不同之处，并输出为遮罩。
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
六、LayerMask：MaskEdgeUltraDetail节点
节点功能：处理较粗糙的遮罩使其获得超精细边缘。
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
七、LayerMask：MaskEdgeUltraDetailV2节点
节点功能：MaskEdgeUltraDetail的V2升级版，增加了VITMatte边缘处理方法，此方法适合处理半透明区域。(注意:超过2K尺寸的图片使用此方法将占用大量内存)。
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
示例工作流
由于本文基本上每个节点都给出了详细的图文讲解，加上本文所讲的节点之间的关联性没那么强，所以这里就不提供囊括所有节点的工作流了，大家把上面每个节点对应的工作流学习理解即可。
__Comfy layer style插件（一）: __https://articles.zsxq.com/layer_style/1.html
__Comfy layer style插件（二）: __https://articles.zsxq.com/layer_style/2.html
__Comfy layer style插件（三）: __https://articles.zsxq.com/layer_style/3.html
