Adetailer扩展中实现自动保存遮罩图像的技术方案
2025-06-13 17:58:59作者:宗隆裙
背景介绍
Adetailer作为Stable Diffusion WebUI的一个强大扩展,主要用于图像细节增强和自动修复。在实际应用中,用户经常需要获取处理过程中生成的遮罩(mask)图像,以便进行后续处理或分析。本文将详细介绍如何在Adetailer中实现自动保存遮罩图像的功能。
技术实现原理
Adetailer的核心处理流程中已经包含了生成预览图像的功能,我们可以通过扩展这一功能来实现遮罩图像的保存。主要技术点包括:
- 遮罩图像获取:从Adetailer处理结果中提取生成的遮罩
- 图像处理:对原始遮罩进行必要的后处理(如模糊处理)
- 保存机制:利用现有的图像保存功能实现遮罩的持久化存储
具体实现步骤
代码修改方案
在Adetailer的脚本文件(!adetailer.py)中,我们可以通过以下修改实现遮罩保存功能:
- 首先需要导入必要的图像处理模块:
from PIL import Image, ImageFilter
- 在图像处理流程中添加遮罩保存逻辑:
# 获取模糊处理后的遮罩
blurred_mask = masks[0].convert("L").filter(ImageFilter.GaussianBlur(args.ad_mask_blur))
# 保存纯遮罩图像
self.save_image(
p,
blurred_mask,
condition="save_mask",
suffix="-ad-mask" + suffix(n, "-"),
)
# 保存带遮罩的合成图像
composite = pp.image.copy()
composite.putalpha(blurred_mask)
self.save_image(
p,
composite,
condition="save_mask_composite",
suffix="-ad-mask-composite" + suffix(n, "-"),
)
功能说明
- 遮罩模糊处理:使用高斯模糊对遮罩边缘进行处理,确保后续应用时过渡自然
- 两种保存格式:
- 纯遮罩图像:灰度图像,白色表示需要处理的区域
- 合成图像:原始图像与遮罩的叠加,便于直观查看效果
- 命名规范:自动添加"-ad-mask"或"-ad-mask-composite"后缀,便于识别
使用注意事项
- 重启生效:修改代码后需要完全关闭Stable Diffusion WebUI(包括后台进程)才能使更改生效
- 设置启用:需要在WebUI设置中启用"保存灰度遮罩"或"保存遮罩合成图"选项
- 性能考虑:当前实现只保存第一个遮罩,如需保存多个需要进一步修改代码
- 存储空间:保存额外图像会增加存储需求,特别是处理大量图片时
扩展思考
对于更复杂的需求,可以考虑以下增强功能:
- 多遮罩保存:修改代码循环处理所有生成的遮罩
- 自定义路径:实现独立的遮罩保存路径设置
- 格式选择:支持不同图像格式(PNG/JPG等)的保存
- 压缩选项:提供遮罩图像的压缩质量设置
总结
通过在Adetailer中实现遮罩自动保存功能,用户可以更方便地获取中间处理结果,为后续的图像处理流程提供更多可能性。这一改进虽然代码量不大,但能显著提升工作流程的灵活性和效率。开发者可以根据实际需求选择实现基础功能或进一步扩展更复杂的保存选项。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

React Native鸿蒙化仓库
C++
199
279

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
951
557

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0