ComfyUI | 好用的人体 & 衣服分割工具-③-Layer Style | 超多实用功能

本文链接：https://blog.csdn.net/2401_85688943/article/details/142616477

这里为大家分享检测人体的脸部、五官、头发、手臂、腿、脚，上衣、裤子、背景的插件，能够生成出对应的蒙版mask，接入到ComfyUI中，用于后续处理，如局部重绘，换背景等。
在这里插入图片描述

（需要相关插件的同学可自行扫描获取）
在这里插入图片描述

简介

这个插件非常的牛逼和常用，里边集成了各种功能，包括去PS图层功能、去背景、SAM2、分割、灯光、文字等等，Github已达到了1.2K星。

节点位置：

在这里插入图片描述

这里为大家介绍几个常用的关于人体，衣服分割的节点，后续会陆陆续续的介绍其他功能，请关注我获取最新更新。

ComfyUI_LayerStyle 安装

Manager 内搜索 “layer style”，点击安装即可：

在这里插入图片描述

安装依赖

资源管理器ComfyUI\custom_nodes\ComfyUI_LayerStyle 插件目录位置打开cmd窗口，

官方便携包输入以下命令：

..\..\..\python_embeded\python.exe -s -m pip install .\whl\docopt-0.6.2-py2.py3-none-any.whl   ..\..\..\python_embeded\python.exe -s -m pip install .\whl\hydra_core-1.3.2-py3-none-any.whl   ..\..\..\python_embeded\python.exe -s -m pip install -r requirements.txt   .\repair_dependency.bat

秋叶整合包输入以下命令：

..\..\python\python.exe -s -m pip install .\whl\docopt-0.6.2-py2.py3-none-any.whl   ..\..\python\python.exe -s -m pip install .\whl\hydra_core-1.3.2-py3-none-any.whl   ..\..\python\python.exe -s -m pip install -r requirements.txt   .\repair_dependency.bat

重新打开ComfyUI。

下载模型

从百度网盘（https://pan.baidu.com/s/1T_uXMX3OKIWOJLPuLijrgA?pwd=1yye）下载全部模型文件并复制到ComfyUI\models文件夹。这个链接提供了本插件需要的所有的模型文件。

建议按所需节点的说明下载对应的模型文件，不一定全部下载。

PersonMaskUltraV2 节点

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。PersonMaskUltra的V2升级版，增加了VITMatte边缘处理方法。

所需模型:

从百度网盘(https://pan.baidu.com/s/13zqZtBt89ueCyFufzUlcDg?pwd=jh5g)下载模型文件并放到 ComfyUI/models/mediapipe 文件夹。

PersonMaskUltraV2 节点说明

face: 脸部识别。
hair: 头发识别。
body: 身体皮肤识别。
clothes: 衣服识别。
accessories: 配饰(例如背包)识别。
background: 背景识别。
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: 边缘白色采样阈值。
process_detail: 此处设为False将跳过边缘处理以节省运行时间。
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。
device: 设置是否使用cuda。
max_megapixels: 设置vitmatte运算的最大尺寸。

PersonMaskUltraV2 工作流

示例-分割面部

示例-分割衣服

SegformerUltraV2 节点

使用segformer模型分割身体、服饰，具有超高的边缘细节。目前支持segformer b2 clothes, segformer b3 clothes, segformer b3 fashion。

所需模型

从百度网盘（https://pan.baidu.com/s/1OK-HfCNyZWux5iQFANq9Rw?pwd=haxg） 下载全部文件至ComfyUI/models/segformer_b2_clothes文件夹。
从百度网盘（https://pan.baidu.com/s/18KrCqNqUwmoJlqgAGDTw9g?pwd=ap4z） 下载全部文件至ComfyUI/models/segformer_b3_clothes文件夹。
从百度网盘（https://pan.baidu.com/s/10vd5PmJLFNWXaRVGW6tSvA?pwd=xzqi） 下载全部文件至ComfyUI/models/segformer_b3_fashion文件夹。

SegformerUltraV2 节点说明

segformer_pipeline: segformer管线输入。管线SegformerPipeline由SegformerClothesPipeline和SegformerFashionPipeline节点输出。
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: 边缘白色采样阈值。
process_detail: 此处设为False将跳过边缘处理以节省运行时间。
device: 设置是否使用cuda。
max_megapixels: 设置vitmatte运算的最大尺寸。

Segformer_pipeline - SegformerClothesPipeline

model: 模型选择。目前有两种模型可供选择segformer b2 clothes, segformer b3 clothes。
face: 脸部识别。
hair: 头发识别。
hat: 帽子识别。
sunglass: 墨镜识别。
left_arm: 左手臂识别。
right_arm: 右手臂识别。
left_leg: 左腿识别。
right_leg: 右腿识别。
left_shoe: 左鞋子识别。
right_shoe: 右鞋子识别。
skirt: 短裙识别。
pants: 裤子识别。
dress: 连衣裙识别。
belt: 腰带识别。
bag: 背包识别。
scarf: 围巾识别。

Segformer_pipeline - SegformerFashionPipeline

model: 模型选择。目前只有一种模型可供选择segformer b3 fashion。
shirt: 衬衫、罩衫识别。
top: 上衣、t恤、运动衫识别。
sweater: 毛衣识别。
cardigan: 开襟毛衫识别。
jacket: 夹克识别。
vest: 背心识别。
pants: 裤子识别。
shorts: 短裤识别。
skirt: 短裙识别。
coat: 外套识别。
dress: 连衣裙识别。
jumpsuit: 连身裤识别。
cape: 斗篷识别。
glasses: 眼镜识别。
hat: 帽子识别。
hairaccessory: 头带、头巾、发饰识别。
tie: 领带识别。
glove: 手套识别。
watch: 手表识别。
belt: 皮带识别。
legwarmer: 腿套识别。
tights: 紧身裤和长筒袜识别。
sock: 袜子识别。
shoe: 鞋子识别。
bagwallet: 背包、钱包识别。
scarf: 围巾识别。
umbrella: 雨伞识别。
hood: 兜帽识别。
collar: 衣领识别。
lapel: 翻领识别。
epaulette: 肩章识别。
sleeve: 袖子识别。
pocket: 口袋识别。
neckline: 领口识别。
buckle: 带扣识别。
zipper: 拉链识别。
applique: 贴花识别。
bead: 珠子识别。
bow: 蝴蝶结识别。
flower: 花识别。
fringe: 刘海识别。
ribbon: 丝带识别。
rivet: 铆钉识别。
ruffle: 褶饰识别。
sequin: 亮片识别。
tassel: 流苏识别。

SegformerUltraV2 工作流

示例-分割上衣和鞋子

示例-分割手提包

MediapipeFacialSegment 节点

使用Mediapipe模型检测人脸五官，分割左右眉、左右眼睛、嘴唇和牙齿。居然没有鼻子！

所需模型

从百度网盘（https://pan.baidu.com/s/13zqZtBt89ueCyFufzUlcDg?pwd=jh5g）下载模型文件并放到ComfyUI/models/mediapipe文件夹。

MediapipeFacialSegment 节点说明

left_eye: 左眼识别开关。
left_eyebrow: 左眉识别开关。
right_eye: 右眼识别开关。
right_eyebrow: 右眉识别开关。
lips: 嘴唇识别开关。
tooth: 牙齿识别开关。

MediapipeFacialSegment 工作流

示例-分割眼睛

示例-分割牙齿

常见错误

ModuleNotFoundError: No module named ‘psd_tools’

这个错误是psd_tools没有正确安装。

解决方法：

关闭ComfyUI，在插件目录下打开终端窗口，执行以下命令:

`../../../python_embeded/python.exe -s -m pip install psd_tools`

如果安装psd_tool中出现ModuleNotFoundError: No module named 'docopt’错误，请下载docopt的whl手动安装。在终端执行以下命令:

../../../python_embeded/python.exe -s -m pip install path/docopt-0.6.2-py2.py3-none-any.whl    path为whl文件的路径名。

Cannot import name ‘guidedFilter’ from ‘cv2.ximgproc’ 或 NameError: name ‘guidedFilter’ is not defined

这个错误是opencv-contrib-python没有正确安装，或者安装后又安装了其他opencv包导致。

重新安装opencv-contrib-python 一般即可。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

在这里插入图片描述

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
在这里插入图片描述