ImageBlend 类的实现

## 详细报告：ImageBlend 类实现解析

### 1. 类和方法定义

**文件头部的导入：**

```python
from .imagefunc import *
```
此行代码从当前目录的 `imagefunc` 模块中导入所有内容。假设 `imagefunc` 包含图像处理相关的函数和定义，例如混合模式、掩码转换工具等。这些工具将在 `ImageBlend` 类中使用。

**类名和节点名称定义：**

```python
NODE_NAME = 'ImageBlend'
```
定义了一个常量 `NODE_NAME`，用于在日志消息中引用当前的图像混合节点。

### 2. 类的初始化

```python
class ImageBlend:

    def __init__(self):
        pass
```
`ImageBlend` 类的构造函数目前不执行任何操作（只包含 `pass`），表明实例化此类不需要初始化特定的属性或执行其他启动任务。

### 3. 输入类型定义

```python
@classmethod
def INPUT_TYPES(self):
    return {
        "required": {
            "background_image": ("IMAGE", ),
            "layer_image": ("IMAGE",),
            "invert_mask": ("BOOLEAN", {"default": True}),
            "blend_mode": (chop_mode,),
            "opacity": ("INT", {"default": 100, "min": 0, "max": 100, "step": 1}),
        },
        "optional": {
            "layer_mask": ("MASK",),
        }
    }
```
此方法定义了该节点所需和可选的输入类型：

- **必需输入**:
  - `background_image`: 背景图像。
  - `layer_image`: 需要叠加的图层图像。
  - `invert_mask`: 布尔值，用于指定是否应该反转图层掩膜。
  - `blend_mode`: 从 `imagefunc` 导入的 `chop_mode`，一种图像混合模式。
  - `opacity`: 图层的不透明度，范围从0到100。

- **可选输入**:
  - `layer_mask`: 定义图层可见性的掩膜。

### 4. 图像混合方法

```python
def image_blend(self, background_image, layer_image, invert_mask, blend_mode, opacity, layer_mask=None):
    # 初始化列表
    b_images, l_images, l_masks, ret_images = [], [], [], []

    # 加载图像和掩膜
    for b in background_image:
        b_images.append(torch.unsqueeze(b, 0))
    for l in layer_image:
        l_images.append(torch.unsqueeze(l, 0))
        m = tensor2pil(l)
        if m.mode == 'RGBA':
            l_masks.append(m.split()[-1])
        else:
            l_masks.append(Image.new('L', m.size, 'white'))
    
    # 处理图层掩膜
    if layer_mask is not None:
        if layer_mask.dim() == 2:
            layer_mask = torch.unsqueeze(layer_mask, 0)
        l_masks = [tensor2pil(torch.unsqueeze(m, 0)).convert('L') if invert_mask else Image.new('L', m.size, 'white') for m in layer_mask]

    # 处理每一批图像
    max_batch = max(len(b_images), len(l_images), len(l_masks))
    for i in range(max_batch):
        background = b_images[i if i < len(b_images) else -1]
        layer = l_images[i if i < len(l_images) else -1]
        mask = l_masks[i if i < len(l_masks) else -1]
        
        # 混合操作
        canvas = tensor2pil(background).convert('RGB')
        layer_image = tensor2pil(layer).convert('RGB')
        comp = chop_image(canvas, layer_image, blend_mode, opacity)
        canvas.paste(comp, mask=mask)
        ret_images.append(pil2tensor(canvas))

    # 日志记录
    log(f"{NODE_NAME} Processed {len(ret_images)} image(s).", message_type='finish')
    
    return (torch.cat(ret_images, dim=0),)
```
这个方法实现了图像混合的核心功能，涉及以下步骤：

- **初始化图像列表**：为背景图像、图层图像和图层掩

膜分别创建列表。
- **预处理图像**：将每个图像张量转换为PIL图像，并为RGBA模式的图像提取透明通道作为掩膜。
- **处理掩膜**：如果提供了图层掩膜且需要反转，则反转掩膜；否则，为每个图层创建一个全白的掩膜。
- **图像混合**：对每个图像批次执行混合操作，使用指定的混合模式和透明度将图层图像合成到背景图像上。
- **日志记录**：记录处理过程的细节，如处理的图像数量。

### 5. 类和方法的注册

```python
NODE_CLASS_MAPPINGS = {
    "LayerUtility: ImageBlend": ImageBlend
}

NODE_DISPLAY_NAME_MAPPINGS = {
    "LayerUtility: ImageBlend": "LayerUtility: ImageBlend"
}
```
这部分代码将 `ImageBlend` 类注册到一个更大的图像处理或节点系统中，允许通过指定的名称调用 `ImageBlend` 功能。这种注册机制通常用于插件式架构，允许动态地添加或修改功能。

---

此报告详细解析了 `ImageBlend` 类的实现，展示了如何在图像处理中实现复杂的图层混合功能，以及如何在系统中注册并使用该功能。