【ComfyUI插件】ComfyUI核心节点(三)

知识星球已更新100+节点，每个节点详解讲解并且给出示例工作流，现阶段门票只需50元，欢迎大家加入很向我提问！！！！！！

知识星球ID：71297236

前言：

ComfyUI的学习是一场持久战，当你掌握ComfyUI的安装和运行之后，会出现琳琅满目的节点，当各种各样的工作流映入眼帘，往往难以接受纷繁复杂的节点种类，本篇文章将以通俗易懂的语言，对ComfyUI的各种核心节点进行系统的梳理和参数的详解，祝愿大家在学习的过程中掌握自我思考的能力，并且切实的掌握和理解各个节点的用法与功能。

---

目录：

一、Apply ControlNet节点

二、ConditioningAverage节点

三、Conditioning(Combine)节点

四、Conditioning(Set Area)节点

五、ImageBlend节点

六、lmageBlur节点

七、lmageQuantize节点

八、lmageSharpen节点

区域控制示例工作流

---

一、Apply ControlNet节点

节点功能：该节点用来将ControlNet模型加载，从而控制图片去噪过程。

输入：

conditioning    ->     接收传入的条件信息           **比如通过CLIP Text Encode (Prompt)后的信息**  
control_net     ->     加载ControlNet模型           **SD模型和SDXL模型对应的ControlNet模型不同** 
image           ->     加载预处理图片               **此处的图片是经过预处理的图像，并非原图** 

注意：加入我们使用depth的ControlNet，那么我们传入的image是原始图片的深度图！

参数：

strength  ->     权重程度，数值越高图片约束越强，反之越弱

输出：

CONDITIONING      ->      输出混入ControlNet信息的条件信息流

注意：ContrloNet还会有专门一期讲解，重点会放在图像预处理阶段，这是一个独立的插件项目。

二、ConditioningAverage节点

节点功能：该节点根据强度因子对两个文本的条件信息进行插值混合。

输入：

conditioning_to  ->     需要进行插值混合的条件信息之一
conditioning_from  ->   需要进行插值混合的条件信息之一

注意：当conditioning_to_strngth为1时，扩散将只受conditioning_to的影响，当conditioning_to_strngth为0时，图像扩散将只受conditioning_from的影响。

---

---

参数：

conditioning_to_strngth  ->     设置混合插值的强度

输出：

CONDITIONING      ->     输出插值混合之后的条件信息

注意：当conditioning_to_strngth为0.5时，似乎会扩散出包含两个条件的图像，但是1girl，和1boy的竞争，只会有一个胜者，下图为0.5权重下，在dark和white之间的抉择结果。

---

---

三、Conditioning(Combine)节点

节点功能：该节点对两个条件信息进行插值混合。

输入：

conditioning_1  ->     需要进行插值混合的条件信息之一
conditioning_2  ->     需要进行插值混合的条件信息之一

注意：！！！此为个人推测理解，请谨慎吸收！！！Conditioning(Combine)节点和ConditioningAverage节点的区别在于ConditioningAverage是在文本通过CLIP模型之前进行向量混合，而Conditioning(Combine)结点是将通过CLIP模型之后的条件信息进行混合。

---

下图为控制参数不变的情况下，两个结点输出图片对比。

---

输出：

CONDITIONING      ->     输出插值混合之后的条件信息

四、Conditioning(Set Area)节点

节点功能：该节点用来将条件的影响区域设置在图像的固定范围内，与Conditioning(Combine)节点合作使用。

输入：

conditioning    ->     接收传来的条件信息 

参数：

width      ->    表示控制区域的宽度
height     ->    表示控制区域的高度
x    ->    表示控制区域原点的x坐标
y    ->    表示控制区域原点的y坐标
strength   ->    表示条件信息的强度

注意：在ComfyUI 中坐标系的原点位于左上角。

输出：

CONDITIONING     ->    进行条件限制之后输出的条件信息

---

>注意：如图所示，设置1024*512的图像可以将其左边分配给1girl提示词，将右边分配给1boy提示词，从而生成一张两个区域都满足条件的图像。

---

五、ImageBlend节点

节点功能：该节点通过透明度设置将两张图片进行混合。

输入：

image_a       ->     需要混合的原始图片之一    
image_b       ->     需要混合的原始图片之一   

参数：

blend_percentage     ->    图片混合的透明度选项

输出：

image         ->    混合后的图像输出

---

注意：如图所示当blend_percentage为0时image_a(鞭子女孩)为不透明，如图所示当blend_percentage为0时image_a为透明，并且图片混合是从左上角的原点开始。

---

六、lmageBlur节点

节点功能：该节点将输入图像加上模糊效果。

输入：

images     ->    接收输入的图像

参数：

blur_radius    ->       输入模糊的高斯半径
sigma          ->       该值越小，模糊的像素越接近中心

输出：

IMAGE      ->    输出模糊后的图像

---

---

七、lmageQuantize节点

节点功能：该节点用于对图像的原始像素范围进行量化调整。

输入：

image      ->     接收需要调整的图像  

参数：

colors          ->   表示量化后图像包含的颜色数量
dither          ->   表示添加抖动使图像量化后更加平滑 

---

注意：上图当colors设置为1是，图像只有单色，下图当开启抖动时，图像量化后更加平滑。

---

输出：

IMAGE      ->      输出调整之后的图像

八、lmageSharpen节点

节点功能：该节点对原始图像增加锐化。

输入：

image    ->     需要进行锐化的原始图像

参数：

sharpen_radius     ->     表示锐化的半径
sigma              ->     该值越小，锐化的像素越接近中心像素
alpha              ->     锐化的强度

输出:

IMAGE     ->    输出锐化后的图像

---

---

区域控制示例工作流：

学习完以上节点，您就可以搭建“区域控制”工作流了

这里使用SDXL的大模型，通过Conditioning(Set Area)节点控制图片生成区域，然后通过Conditioning(Combine)节点进行条件合并，然后使用三个正向提示词来控制不同区域，最终出图如下所示：

---

孜孜不倦,方能登峰造极。坚持不懈,乃是成功关键。

---