高斯模糊类 GaussianBlur
导入语句
from .imagefunc import *
这条导入语句从同一模块的 imagefunc.py
文件中导入所有必要的函数和类,这些将用于图像处理的具体操作,比如应用高斯模糊。
定义类和方法
类定义和初始化
NODE_NAME = 'GaussianBlur'
class GaussianBlur:
def __init__(self):
pass
这里定义了 GaussianBlur
类,用于应用高斯模糊效果到图像上。NODE_NAME
用于标识这个节点的名称,这个名称在日志和其他用户界面元素中用于引用此功能。
输入类型定义
@classmethod
def INPUT_TYPES(self):
return {
"required": {
"image": ("IMAGE", ),
"blur": ("INT", {"default": 20, "min": 1, "max": 999, "step": 1}),
},
"optional": {
}
}
定义了这个类需要的输入类型。其中 image
表示需要处理的图像,blur
表示应用的模糊强度,此参数有默认值和范围限制。
返回类型和函数定义
RETURN_TYPES = ("IMAGE",)
RETURN_NAMES = ("image",)
FUNCTION = 'gaussian_blur'
定义了类的返回类型和函数名称。FUNCTION
指定主要的功能函数为 gaussian_blur
。
主要功能执行函数
def gaussian_blur(self, image, blur):
ret_images = []
for i in image:
_canvas = tensor2pil(torch.unsqueeze(i, 0)).convert('RGB')
ret_images.append(pil2tensor(gaussian_blur(_canvas, blur)))
log(f"{NODE_NAME} Processed {len(ret_images)} image(s).", message_type='finish')
return (torch.cat(ret_images, dim=0),)
这个方法是类的核心,接受图像和模糊强度作为输入,对每张图像进行高斯模糊处理。处理后的图像保存在 ret_images
列表中,最后返回所有处理后的图像。
节点类和显示名称的注册
NODE_CLASS_MAPPINGS = {
"LayerFilter: GaussianBlur": GaussianBlur
}
NODE_DISPLAY_NAME_MAPPINGS = {
"LayerFilter: GaussianBlur": "LayerFilter: GaussianBlur"
}
这些代码行将上述定义的 GaussianBlur
类注册为可用的节点类型,并设置它们的显示名称,这使得这些功能可以在更大的系统或框架中通过指定名称被调用。
综述
此类提供了一个简单但有效的方式来对图像应用高斯模糊,通过调节 blur
参数可以控制模糊的程度。整个实现注重用户输入的灵活性和结果的实时反馈,适合在图像处理和视觉效果中快速应用。