%20(1).png)
ComfyUI_BiRefNet_ll 插件完全教程
1. 插件简介
插件地址： https://github.com/lldacing/ComfyUI_BiRefNet_ll
这个插件是什么呢？简单来说，它就像是给ComfyUI装了一个"超级抠图师"！BiRefNet是一个非常厉害的AI抠图技术，能够精确地把图片中的主体从背景中分离出来。你可以把它想象成一个拥有火眼金睛的专业抠图师，不管是人物、动物、物体，都能完美地"抠"出来。
能给我们带来什么效果？
- 🎯 精准抠图：能够非常精确地识别和分离图片中的主体，比传统抠图工具更准确
- 🖼️ 自动去背景：一键去除图片背景，生成透明背景的图片
- 🎭 智能蒙版生成：自动生成高质量的蒙版，用于后续的图片处理
- 🎨 多种模型选择：提供多种专门的模型，适应不同的抠图需求
- ⚡ 批量处理：可以同时处理多张图片，提高工作效率
想象一下：你有一张人物照片，想要换个背景，这个插件就能帮你完美地把人物"抠"出来，就像用魔法一样干净利落！
2. 如何安装
方法一：手动安装（推荐）
- 打开你的ComfyUI安装目录
- 进入
custom_nodes文件夹 - 在这里打开命令行（终端）
- 输入以下命令：
git clone https://github.com/lldacing/ComfyUI_BiRefNet_ll.git
cd ComfyUI_BiRefNet_ll
pip install -r requirements.txt
方法二：ComfyUI Manager安装
- 在ComfyUI界面中点击"Manager"按钮
- 搜索"BiRefNet"
- 点击安装即可
重要提醒：
- 安装完成后需要重启ComfyUI
- 第一次使用时会自动下载模型文件，请耐心等待
- 模型文件会保存在
ComfyUI/models/BiRefNet文件夹中
3. 节点详细解析
3.1 AutoDownloadBiRefNetModel 节点 - 自动下载模型器
这个节点是干嘛的？
这就像是一个"智能快递员"！它能自动从网上下载BiRefNet的各种模型文件，并且放到正确的位置。你可以把它想象成一个专门负责"采购工具"的助手，会自动帮你准备好所有需要的"抠图工具"。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model_name | model_name | 模型名称选项 | General | 选择要下载的"抠图专家类型" | 选择特定用途的BiRefNet模型 | General适合大多数情况，Portrait专门抠人像 |
| device | device | 设备类型 | AUTO | 选择用什么"硬件"来运行模型 | 计算设备选择 | AUTO让系统自动选择最佳设备 |
| dtype | dtype | 数据精度 | float32 | 选择计算的"精确程度" | 浮点数精度类型 | float32质量高，float16速度快 |
3.2 LoadRembgByBiRefNetModel 节点 - 模型加载器
这个节点是干嘛的？
这就像是一个"工具箱管理员"！它负责从你的模型文件夹中选择和加载特定的BiRefNet模型。你可以把它想象成一个专业的"工具管理员"，知道每个工具放在哪里，并且能快速找到你需要的那一个。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model | model | 模型文件列表 | 选择已下载的模型 | 从文件夹中选择要使用的"抠图工具" | 选择本地模型文件 | 选择General.safetensors进行通用抠图 |
| device | device | 设备类型 | AUTO | 选择用什么"硬件"来运行 | 计算设备选择 | AUTO自动选择，CPU强制使用处理器 |
| use_weight | use_weight | 是否使用权重 | False | 是否使用额外的"增强配件" | 是否加载预训练权重 | True可能提高质量但需要额外文件 |
| dtype | dtype | 数据精度 | float32 | 计算的"精确程度" | 浮点数精度类型 | float32精度高，float16节省显存 |
3.3 RembgByBiRefNet 节点 - 基础抠图器
这个节点是干嘛的？
这就像是一个"一键抠图机"！它是最简单易用的抠图工具，只需要输入图片和模型，就能自动完成抠图工作。你可以把它想象成一个"傻瓜相机"，操作简单但效果很好。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model | model | 模型对象 | 连接模型加载节点 | 要使用的"抠图工具" | BiRefNet模型实例 | 连接LoadRembgByBiRefNetModel的输出 |
| images | images | 图片对象 | 连接图片输入 | 要处理的"原始图片" | 输入图像数据 | 连接Load Image节点 |
输出结果：
- image：抠图后的图片（带透明背景）
- mask：生成的蒙版（黑白图）
3.4 RembgByBiRefNetAdvanced 节点 - 高级抠图器
这个节点是干嘛的？
这就像是一个"专业抠图工作站"！它提供了更多的调节选项，让你能够精细控制抠图的各个方面。你可以把它想象成一个专业的"图片编辑工作台"，有各种旋钮和按钮可以调节。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model | model | 模型对象 | 连接模型加载节点 | 要使用的"抠图工具" | BiRefNet模型实例 | 连接模型加载节点的输出 |
| images | images | 图片对象 | 连接图片输入 | 要处理的"原始图片" | 输入图像数据 | 连接Load Image节点 |
| width | width | 整数 | 1024 | 处理时的"图片宽度" | 预处理图像宽度 | 1024适合大多数情况，更大需要更多显存 |
| height | height | 整数 | 1024 | 处理时的"图片高度" | 预处理图像高度 | 1024是标准尺寸，可根据需要调整 |
| upscale_method | upscale_method | 缩放方法 | bilinear | 图片缩放的"方式" | 图像插值算法 | bilinear质量好，nearest速度快 |
| blur_size | blur_size | 整数 | 90 | 边缘"模糊程度"的大小 | 第一次模糊半径 | 90是默认值，数值越大边缘越柔和 |
| blur_size_two | blur_size_two | 整数 | 6 | 第二次"模糊程度"的大小 | 第二次模糊半径 | 6是精细调节，影响边缘细节 |
| fill_color | fill_color | 布尔值 | False | 是否用"纯色背景"替换透明背景 | 是否填充背景色 | True会用指定颜色填充背景 |
| color | color | 颜色值 | 0 | 背景"颜色"的选择 | 背景填充颜色 | 0是黑色，0xFFFFFF是白色 |
| mask_threshold | mask_threshold | 浮点数 | 0.000 | 蒙版的"敏感度"调节 | 蒙版阈值 | 0.000最敏感，数值越大越严格 |
3.5 GetMaskByBiRefNet 节点 - 蒙版生成器
这个节点是干嘛的？
这就像是一个"轮廓描绘师"！它专门用来生成蒙版，不输出抠图结果，只输出黑白的蒙版图。你可以把它想象成一个专门画"轮廓线"的画家，只负责标记出哪些地方是主体。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| model | model | 模型对象 | 连接模型加载节点 | 要使用的"识别工具" | BiRefNet模型实例 | 连接模型加载节点 |
| images | images | 图片对象 | 连接图片输入 | 要分析的"原始图片" | 输入图像数据 | 连接Load Image节点 |
| width | width | 整数 | 1024 | 处理时的"图片宽度" | 预处理图像宽度 | 1024是标准尺寸 |
| height | height | 整数 | 1024 | 处理时的"图片高度" | 预处理图像高度 | 1024是标准尺寸 |
| upscale_method | upscale_method | 缩放方法 | bilinear | 图片缩放的"方式" | 图像插值算法 | bilinear平衡质量和速度 |
| mask_threshold | mask_threshold | 浮点数 | 0.000 | 蒙版的"严格程度" | 蒙版二值化阈值 | 0.000包含所有细节，数值越大越严格 |
3.6 BlurFusionForegroundEstimation 节点 - 前景优化器
这个节点是干嘛的？
这就像是一个"图片美容师"！它专门用来优化已经抠出来的前景图片，让边缘更自然、颜色更准确。你可以把它想象成一个专业的"修图师"，专门负责让抠图结果看起来更完美。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| images | images | 图片对象 | 连接图片输入 | 要优化的"原始图片" | 输入图像数据 | 连接原始图片 |
| masks | masks | 蒙版对象 | 连接蒙版输入 | 图片的"轮廓标记" | 输入蒙版数据 | 连接GetMaskByBiRefNet的输出 |
| blur_size | blur_size | 整数 | 90 | 第一次"柔化程度" | 第一次模糊半径 | 90是默认值，控制整体柔化 |
| blur_size_two | blur_size_two | 整数 | 6 | 第二次"精细柔化程度" | 第二次模糊半径 | 6用于精细调节边缘 |
| fill_color | fill_color | 布尔值 | False | 是否添加"纯色背景" | 是否填充背景色 | True会添加指定颜色的背景 |
| color | color | 颜色值 | 0 | 背景"颜色"的选择 | 背景填充颜色 | 0是黑色，可以选择任意颜色 |
4. 使用技巧和建议
4.1 新手入门建议
- 从简单开始：先使用RembgByBiRefNet节点，它最简单易用
- 选择合适的模型：
- General：适合大多数情况
- Portrait：专门用于人像抠图
- Matting：适合需要精细边缘的场景
- 合理设置尺寸：1024x1024是很好的平衡点，既保证质量又不会太慢
4.2 模型选择指南
-
通用场景：
- General：日常抠图的万能选择
- General-HR：高分辨率图片的首选
- General-Lite：速度优先的轻量选择
-
专业场景：
- Portrait：人像摄影专用
- Matting：需要透明效果的场景
- DIS：复杂场景的精确分割
4.3 参数调优技巧
-
质量优化：
- 使用float32获得最佳质量
- 适当增加width和height
- 调整mask_threshold精细控制
-
速度优化：
- 使用float16节省显存
- 选择Lite版本的模型
- 降低处理尺寸
-
边缘优化：
- 调整blur_size控制边缘柔和度
- 使用BlurFusionForegroundEstimation优化结果
- 合理设置mask_threshold
5. 常见问题解答
Q1：为什么抠图效果不理想？
A： 可能的原因和解决方法：
- 选择了不合适的模型：尝试不同的模型，如Portrait专门用于人像
- 图片质量不够：使用更清晰的原图
- 参数设置不当：调整mask_threshold和blur_size参数
Q2：处理速度很慢怎么办？
A： 加速处理的方法：
- 使用Lite版本的模型
- 设置dtype为float16
- 降低width和height参数
- 确保使用GPU而不是CPU
Q3：模型下载失败怎么办？
A： 下载问题的解决方法：
- 检查网络连接
- 使用科学上网工具
- 手动下载模型文件到models/BiRefNet文件夹
- 重启ComfyUI后重试
Q4：抠图边缘有锯齿怎么办？
A： 边缘优化方法：
- 使用BlurFusionForegroundEstimation节点后处理
- 调整blur_size参数增加边缘柔和度
- 尝试不同的upscale_method
- 使用更高分辨率的模型
Q5：显存不足怎么办？
A： 显存优化方法：
- 设置dtype为float16
- 降低处理尺寸（width和height）
- 使用Lite版本的模型
- 关闭其他占用显存的程序
6. 实际应用场景
6.1 人像抠图工作流程
-
加载模型：
- AutoDownloadBiRefNetModel → 选择Portrait模型
-
处理图片：
- Load Image → 加载人像照片
- RembgByBiRefNet → 连接模型和图片
- 获得透明背景的人像
-
优化结果：
- BlurFusionForegroundEstimation → 优化边缘效果
6.2 产品图抠图工作流程
-
模型选择：
- 使用General或General-HR模型
-
精细控制：
- RembgByBiRefNetAdvanced → 调整各种参数
- 设置合适的mask_threshold
- 调整blur_size优化边缘
6.3 批量抠图工作流程
-
效率优化：
- 使用General-Lite模型提高速度
- 设置合适的处理尺寸
- 使用float16节省显存
-
质量控制：
- 统一参数设置
- 批量后处理优化
7. 高级应用技巧
7.1 与其他节点配合使用
-
图片预处理：
- 使用图片增强节点提高原图质量
- 调整对比度和亮度
- 去噪处理
-
后期处理：
- 结合图片合成节点
- 添加新背景
- 调整颜色和光照
7.2 不同场景的最佳实践
-
电商产品图：
- 使用General模型
- 设置较高的分辨率
- 注重边缘的精确性
-
人像摄影：
- 使用Portrait专用模型
- 注意头发丝的处理
- 适当的边缘柔化
-
艺术创作：
- 使用Matting模型获得最佳透明效果
- 结合创意背景
- 注重整体视觉效果
8. 总结
ComfyUI_BiRefNet_ll插件是一个功能强大的抠图工具集，通过6个核心节点，你可以：
- 🎯 精准抠图：使用先进的BiRefNet技术实现高质量抠图
- 🛠️ 灵活控制：从简单的一键抠图到精细的参数调节
- 🚀 高效处理：支持批量处理和多种优化选项
- 🎨 专业效果：提供多种专用模型适应不同需求
使用建议：
- 新手从RembgByBiRefNet节点开始学习
- 根据具体需求选择合适的模型
- 合理调整参数平衡质量和速度
- 善用后处理节点优化最终效果
记住：好的抠图不仅需要好的工具，还需要合适的参数设置和后期优化。多尝试不同的组合，你会发现最适合自己需求的工作流程！