Adetailer扩展中实现自动保存遮罩图像的技术方案
2025-06-13 03:32:58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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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
项目优选
收起
deepin linux kernel
C
24
9
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
9
1
🔥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
62
20
暂无简介
Dart
655
149
🎉 (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
1.17 K
642
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
23
0
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
656
291
仓颉编译器源码及 cjdb 调试工具。
C++
130
864
React Native鸿蒙化仓库
JavaScript
251
320
仓颉编程语言运行时与标准库。
Cangjie
138
874