[ComfyUI系列3]换装升级！保持模特不变，无需手动蒙版，实现自动抠图换衣（附工作流）

最新推荐文章于 2025-04-22 16:21:45 发布

爱绘画的彤姐

最新推荐文章于 2025-04-22 16:21:45 发布

阅读量2.1k

点赞数 16

文章标签：人工智能 stable diffusion AI作画 AIGC flux comfyui

本文链接：https://blog.csdn.net/A2421417624/article/details/145267317

版权

上一篇介绍通过FLUX Redux 和Fill相结合实现一键模特换装，[[ComfyUI系列2]AI 时代电商的福音！FLUX Redux 和Fill 相结合实现模特换装]，但是这套工作流的模特是通过输入prompt 生成的，在实际的生产业务中，企业往往有自己的模特原图，需要保持已有的模特不变，仅需要替换模特身上的衣服，本篇来介绍利用抠图插件LayerStyle，`KJNodes，` `````结合` `````F` `````LUX Tool来实现一键换衣。`

首先看下整体效果：

图 1 是需要模特换的衣服（可以是衣服，也可以是模特图）。

图 2 是企业自有的模特图。

图 3 是换装后的效果图。

模特和服装细节还原度还是比较高的，另外也不会因为模特站姿不正，pose 的原因，导致服装失真，整体效果比较自然、真实。

整体工作流如下：

这份完整版的AI绘画全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

工作流拆解：

1、抠图节点：

要实现一键换衣，首先就得自动抠图，这里使用的插件LayerStyle的节点 LayerMask: Segformer B2 Clothes Ultra

ComfyUI 插件 LayerStyle 中的节点 LayerMask: Segformer B2 Clothes Ultra 是一个图像分割掩码生成器。根据输入图像生成一个分割掩码 (mask)，用于区分图像中的不同部分，例如衣服、头发、脸部等。掩码就是我们常说的遮罩
它使用 Segformer B2 模型来识别图像中的不同元素（例如脸、头发、衣服等），并生成一个掩码，项目右侧被标记为 true 的类别会在输出掩码中被包含。

它可以分割以下项目：

脸 (face)
头发 (hair)
帽子 (hat)
太阳镜 (sunglass)
左臂 (left arm)
右臂 (right arm)
左腿 (left leg)
右腿 (right leg)
上衣 (upper clothes)
裙子 (skirt)
裤子 (pants)
连衣裙 (dress)
腰带 (belt)
鞋子 (shoe)
包 (bag)
围巾 (scarf)

以下是各个参数的解释：
参数列表:

detail_method

选择用于细节处理的算法。VITMatte 是一个用于图像抠图的算法，这里用于细化分割结果。
detail_erode

腐蚀操作的迭代次数，用于去除掩码中的细小噪点。数值越大，去除的噪点越多，掩码边缘越粗糙。
detail_dilate

膨胀操作的迭代次数，用于扩大掩码中的区域。数值越大，掩码区域越大，边缘越模糊。 (通常情况下，需要先进行腐蚀再进行膨胀，以去除噪点并保持边缘的清晰度。)
black_point

控制掩码中黑色部分的阈值。数值越小，黑色区域越宽。
white_point

控制掩码中白色部分的阈值。数值越大，白色区域越宽。
process_detail

是否进行细节处理，设置为 true 表示进行细节处理 (腐蚀和膨胀)。
device

指定处理图像的设备，这里选择的是 cuda (GPU)。
max_megapixels

限制处理图像的最大像素数，避免内存溢出，尤其是在处理高分辨率图像时非常重要。

2、遮罩处理

插件KJNodes的节点Grow Mask With Blur,用于扩展和模糊掩码（mask）。一句话总结，这个节点允许你通过调整参数来控制掩码的扩展范围、形状、模糊程度和边缘平滑度，从而实现各种图像处理效果。建议通过实验不同的参数组合来找到最佳效果。

具体参数解释如下：

遮罩（mask）:

这是输入的掩码图像。它决定了哪些区域会被扩展和模糊。通常是一个黑白图像，白色部分代表需要处理的区域，黑色部分则不会被影响。
反向遮罩（mask_inverted）:

这是一个布尔值（true/false）。如果设置为true，则会反转输入的掩码。这意味着原本白色区域会被视为黑色，黑色区域会被视为白色，然后进行扩展和模糊处理。
expand:

这是扩展的像素数量。数值越高，掩码扩展的范围越大。这个值决定了最终掩码的尺寸。
incremental_expandrate:

这个参数控制扩展的速率，它影响扩展的形状。值越接近1，扩展就越均匀；值偏离1，扩展速率会变化，可能导致扩展边缘不均匀。实验不同的值能得到不同的效果。
tapered_corners:

这是一个布尔值（true/false）。如果设置为true，则扩展的边缘会更加平滑，角部过渡更自然，避免出现生硬的直角。如果设置为false，边缘扩展会比较生硬。
flip_input:

这是一个布尔值（true/false）。如果设置为true，则会翻转输入的掩码（水平或垂直，具体取决于上下文，可能需要查看插件的更详细说明）。
blur_radius:

这是模糊半径。数值越高，模糊效果越明显。这个参数控制最终掩码的模糊程度。
lerp_alpha:

这参数控制混合(lerp)的程度。具体来说，它控制着扩展的掩码和原始掩码之间的混合比例。值为1.0表示完全使用扩展后的掩码，值越小，原始掩码的影响越大。
decay_factor:

这个参数控制扩展的衰减速率。值越小，扩展的边缘衰减越快，边缘越清晰；值越大，扩展的边缘衰减越慢，边缘越模糊。
fill_holes:

这是一个布尔值（true/false）。如果设置为true，则会填充掩码中的孔洞，使掩码区域成为一个连续的区域。

3、图像的智能裁剪和修复（Inpainting） --局部重绘的核心

插件Inpaint-CropAndStitch的节点✂️ Inpaint Crop。这个插件结合了图像裁剪和修复功能。你可以通过调整各种参数来控制修复区域的大小、形状、平滑度以及最终图像的尺寸。

节点✂️ Inpaint Crop是在采样之前裁剪图像的节点。上下文区域可以通过掩码、扩展像素和扩展因子或通过单独的（可选）掩码来指定。

输入节点 (Inputs):

image:

这是插件的主要输入，即你需要进行处理的图像。
mask:

这是一个掩码图像，它决定了你需要修复（Inpaint）的区域。白色区域表示需要修复，黑色区域表示保留。
optional_context_mask:

这是一个可选的上下文掩码。它可以提供额外的信息来帮助修复过程，通常用于定义修复区域周围的上下文范围。

参数节点 (Parameters):

context_expand_pixels:

这个参数控制上下文掩码的扩张像素数。数值越大，修复时考虑的周围区域就越大。如果你的optional_context_mask为空，这个参数不起作用。
context_expand_factor:

这个参数控制上下文掩码的扩张倍数。它与context_expand_pixels配合使用，可以更精细地控制上下文区域的大小。同样，如果你的optional_context_mask为空，这个参数不起作用。
fill_mask_holes:

这个布尔值参数决定是否填充掩码中的孔洞。如果设置为true，插件会尝试填充掩码中不连续的区域；如果设置为false，则不会填充。
blur_mask_pixels:

这个参数控制对掩码进行模糊处理的像素数量。数值越大，掩码边缘越模糊，修复结果可能会更自然，但细节也可能丢失。
invert_mask:

这个布尔值参数控制是否反转掩码。如果设置为true，则白色区域将被视为需要保留，黑色区域将被视为需要修复。
blend_pixels:

这个参数控制修复区域与原始图像的融合程度。数值越大，融合越平滑，但可能导致修复区域不够明显。
rescale_algorithm:

这个参数选择图像缩放算法。bicubic是一种常用的高质量缩放算法。
mode:

这个参数选择裁剪模式。这里显示的是ranged size，表示裁剪后的图像大小会在指定范围内。
min_width, min_height:

裁剪后图像的最小宽度和高度。
max_width, max_height:

裁剪后图像的最大宽度和高度。
padding:

在裁剪区域周围添加的填充像素数量。

输出节点 (Outputs):

stitch:

原始图像与修复后的图像的拼接结果。
cropped_image:

裁剪后的图像。
cropped_mask:

裁剪后的掩码。

总结一下，这个插件结合了图像裁剪和修复功能。你可以通过调整各种参数来控制修复区域的大小、形状、平滑度以及最终图像的尺寸。简单一点说，记住它只管裁剪就行。

工作流下载链接：

写在最后

常用工作流已经给各位小伙伴打包好了，可以按需自取，无偿分享。
在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

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