Image2Body 改造计划：从 Python 到 ComfyUI 的华丽转身 🚀

前言 🌟

大家好！今天我们要进行一个有趣的改造项目：把 Image2Body 这个将普通图片变成人体轮廓和素描的魔法工具，从传统的 Python 程序转变成 ComfyUI 工作流。这就像是给一个老式相机装上了数码芯片，让它焕发新生！✨

代码考古：深入原始实现 🔍

让我们先来挖掘一下原始代码的宝藏！

核心架构分析 📊


# 主要处理流程

def process_image(input_image, mode: str, weight1: float = 0.4, weight2: float = 0.3):

    # 1. 图像预处理

    # 2. 生成轮廓

    # 3. 生成素描

    # 4. 混合输出

原始项目使用了一个多层处理架构：

图像预处理层 🖼️


def preprocess_image_for_generation(image):

    # 确保图像是 RGB 格式

    if image.mode != 'RGB':

        image = image.convert('RGB')

    # 调整图像大小

    w, h = image.size

    scale = min(512 / w, 512 / h)

    new_w, new_h = int(w * scale), int(h * scale)

    image = image.resize((new_w, new_h))

    return image

这段代码负责图像标准化，就像给照片化妆前的准备工作！

轮廓生成引擎 💪


def generate_sotai_image(input_image: Image.Image, output_width: int, output_height: int):

    # 使用 ControlNet 生成人体轮廓

    controlnet1 = ControlNetModel.from_single_file(

        controlnet_path1,

        torch_dtype=torch_dtype

    ).to(device)

    # 应用 LoRA 微调

    lora_names = [

        (os.environ["lora_name1"], 1.0),

    ]

这是项目的”魔法核心”，将普通图片变成人体轮廓！

素描生成器 ✏️


def get_sketch(image, method='scribble_xdog', res=2048, thr=20):

    if method == 'scribble_xdog':

        processed_image, _ = scribble_xdog(image, res, thr)

    elif method == 'anime2sketch':

        processed_image = generate_sketch(image, clahe_clip=1.0)

这部分就像是一个数字画家，能用不同的技法创作素描！

图像混合魔法师 🎨


def mix_images(sotai_image_data, sketch_image_data, opacity1, opacity2):

    # 创建透明图层

    mixed_image = Image.new('RGBA', sotai_image.size, (255, 255, 255, 255))

    # 设置透明度

    sotai_alpha = sotai_image.getchannel('A').point(lambda x: int(x * opacity1))

    sketch_alpha = sketch_image.getchannel('A').point(lambda x: int(x * opacity2))

就像调制鸡尾酒一样，将两种图像完美调配！

有趣的技术细节 🤓

智能缓存机制 💾


# 全局变量缓存

use_local = False

model = None

device = None

torch_dtype = None

这些全局变量就像项目的”记忆库”，避免重复加载模型。

自适应处理 🔄


def pad64(x):

    return int(np.ceil(float(x) / 64.0) * 64 - x)

这个小函数确保图像尺寸是 64 的倍数，就像给图片穿上完美合身的衣服！

ComfyUI 改造方案 🛠️

1. 节点映射表 📝

原始代码到 ComfyUI 节点的映射关系：

| 原始函数 | ComfyUI 节点 | 说明 |

|---------|-------------|------|

| preprocess_image | ImageScale | 图像预处理 🖼️ |

| generate_sotai_image | KSampler + ControlNet | 轮廓生成 💪 |

| get_sketch | ControlNet Preprocessor (Scribble) | 素描生成 ✏️ |

| mix_images | ImageBlend | 图像混合 🎨 |

2. 工作流构建步骤 🏗️

2.1 图像输入处理


graph LR

    A[LoadImage] --> B[ImageScale]

    B --> C1[轮廓分支]

    B --> C2[素描分支]

2.2 轮廓生成流程


# 原代码：

def generate_sotai_image(input_image, output_width, output_height):

    controlnet = ControlNetModel.from_single_file(controlnet_path)

对应的 ComfyUI 节点设置：


1. ControlNet Preprocessor (Canny)

   - Threshold: 100, 200

   - Resolution: 512

2. KSampler

   - Steps: 20

   - CFG: 7

   - Sampler: Euler a

2.3 素描生成流程

原代码中的 XDoG 处理：


def scribble_xdog(img, res=512, thr_a=32):

    g1 = cv2.GaussianBlur(img.astype(np.float32), (0, 0), 0.5)

    g2 = cv2.GaussianBlur(img.astype(np.float32), (0, 0), 5.0)

ComfyUI 中的实现：


1. 使用 Scribble 预处理器

2. 连接到第二个 KSampler

3. 应用相同的模糊参数

优化建议 🚀

1. 性能优化 ⚡


# 原代码中的内存优化

def safer_memory(x):

    return np.ascontiguousarray(x.copy()).copy()

ComfyUI 中的对应优化：

使用 VAE 缓存
启用批处理
使用适当的图像尺寸

2. 质量优化 💎

原代码中的图像增强：


clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

ComfyUI 中可以使用：

图像后处理节点
提示词增强
多重采样优化

实用技巧 💡

快速切换模式


# 原代码的模式切换

if mode == "original":

    sotai_image, sketch_image = process_image_as_base64(input_image, mode)

elif mode == "refine":

    sotai_image, sketch_image = process_image_as_base64(input_image, mode, weight1, weight2)

在 ComfyUI 中，我们可以使用：

条件节点
预设工作流
快速切换开关

参数优化技巧 🎯


# 原代码中的参数设置

def initialize_sotai_model():

    lora_names = [

        (os.environ["lora_name1"], 1.0),

        (os.environ["lora_name2"], 0.3),

    ]

ComfyUI 中的对应设置：

使用滑动条控制权重
保存常用预设
创建参数组

结论 🎉

通过这次改造，我们不仅保留了 Image2Body 的强大功能，还让它变得更加灵活和易用。就像给一辆老爷车装上了现代引擎，既保留了经典，又增添了新的活力！

记住，改造的过程就像做料理，需要：

保持耐心 🧘‍♂️
适当实验 🔬
细心调试 🔧

最后，祝大家在 ComfyUI 的海洋中畅游，创造出更多精彩的作品！如果遇到问题，记住：每个 bug 都是一个新的发现，每个错误都是一次学习的机会！ 🌈

后续优化建议 🔮

创建预设 📦

- 保存常用配置

- 创建风格预设

- 建立快速切换机制

添加高级功能 🎯

- 集成更多 ControlNet 模型

- 添加后处理选项

- 实现批量处理

性能优化 ⚡

- 模型合并优化

- 预处理流程优化

- 缓存机制优化

让我们一起把 Image2Body 变得更强大、更好用！ 🚀

这次让AI帮一下美术生