【版权严正声明】
本文系作者 [编程界的小学生] 原创，并拥有完整、独立的著作权。
未经本人 书面授权 ，任何单位、平台或个人， 严禁 以任何形式（包括但不限于转载、复制、摘编、修改、链接、转贴、建立镜像等）使用本文的全部或部分内容。
任何无视本声明的侵权行为，本人将依据《中华人民共和国著作权法》等相关法律法规，采取一切必要的法律手段，追究其侵权责任，要求其 立即停止侵权、赔礼道歉、消除影响，并赔偿因此造成的一切经济损失及维权成本（包括但不限于律师费、诉讼费、公证费等）。
侵权必究，切勿以身试法！
1. 插件简介
ComfyUI ControlNet Aux 是一个超级强大的图像预处理插件！简单来说，它就像是一个"图片分析师"，能够从你的图片中提取各种有用的信息，比如边缘线条、深度信息、人体姿态等等，然后把这些信息变成ControlNet能理解的"指导图"。
插件原地址： https://github.com/Fannovel16/comfyui_controlnet_aux
它能给我们带来什么效果？
🎨 线条提取：从照片中提取各种线条，像素描一样
📏 深度分析：分析图片的远近关系，制作深度图
🤸 姿态识别：识别人体、动物的姿态和动作
🎭 面部分析：识别和分析人脸特征
🏗️ 场景分割：把图片分成不同的区域和物体
🌈 颜色处理：提取和处理图片的颜色信息
📐 几何分析：识别图片中的几何形状和结构
想象一下：你有一张人物照片，想让AI按照这个人的姿势画一张新图，ControlNet Aux就能帮你把人物姿势提取出来，变成AI能理解的"姿势指导图"！
2. 如何安装
方法一：使用ComfyUI Manager（推荐）
打开ComfyUI Manager
搜索"ControlNet Auxiliary Preprocessors"
点击安装
方法二：手动安装
下载插件到ComfyUI的custom_nodes文件夹
运行install.bat（Windows）或手动安装依赖
重启ComfyUI
注意事项
某些节点需要下载额外的模型文件
模型文件会自动从HuggingFace下载
首次使用某个功能时可能需要等待下载
3. 节点详细解析
本插件总共包含40+个节点，现在开始逐一详细解释：
3.1 AIO_Preprocessor（万能预处理器节点）
这个节点就像一个"万能工具箱"，包含了所有预处理功能，你可以通过下拉菜单选择想要的处理方式。
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 |
|---|
preprocessor | preprocessor | 选择列表 | none | 预处理器选择器 | 选择要使用的预处理算法 | 选择"CannyEdgePreprocessor"来提取边缘线条 |
image | image | IMAGE对象 | - | 输入图片 | 需要处理的原始图像 | 连接你要分析的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.2 CannyEdgePreprocessor（Canny边缘检测节点）
这个节点就像一个"轮廓描边器"，能够找出图片中所有物体的边缘线条，就像用铅笔描边一样。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要边缘检测的图像 | 连接你要提取边缘的图片 |
low_threshold | low_threshold | 整数 | 100 | 低阈值 | 边缘检测的敏感度下限 | 100标准敏感度，50更敏感，200不太敏感 |
high_threshold | high_threshold | 整数 | 200 | 高阈值 | 边缘检测的敏感度上限 | 200标准上限，通常是低阈值的2倍 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.3 HEDPreprocessor（HED软边缘检测节点）
这个节点就像一个"柔和描边器"，比Canny更温和，能提取出更自然、更柔和的边缘线条。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要软边缘检测的图像 | 连接你要提取柔和边缘的图片 |
safe | safe | 选择列表 | enable | 安全模式 | 是否启用安全处理模式 | enable安全模式，disable高性能模式 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.4 OpenposePreprocessor（OpenPose人体姿态检测节点）
这个节点就像一个"人体动作分析师"，能够识别图片中人物的姿态，包括身体、手部、面部的关键点。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要姿态检测的图像 | 连接包含人物的图片 |
detect_hand | detect_hand | 布尔值 | False | 检测手部 | 是否检测手部关键点 | True检测手部细节，False只检测身体 |
detect_body | detect_body | 布尔值 | True | 检测身体 | 是否检测身体关键点 | True检测身体姿态，False不检测身体 |
detect_face | detect_face | 布尔值 | False | 检测面部 | 是否检测面部关键点 | True检测面部表情，False不检测面部 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.5 DWPreprocessor（DWPose高精度姿态检测节点）
这个节点就像一个"超级人体动作分析师"，比OpenPose更精确，能够更准确地识别人体姿态。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要姿态检测的图像 | 连接包含人物的图片 |
detect_hand | detect_hand | 布尔值 | False | 检测手部 | 是否检测手部关键点 | True检测手部细节，False只检测身体 |
detect_body | detect_body | 布尔值 | True | 检测身体 | 是否检测身体关键点 | True检测身体姿态，False不检测身体 |
detect_face | detect_face | 布尔值 | False | 检测面部 | 是否检测面部关键点 | True检测面部表情，False不检测面部 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
bbox_detector | bbox_detector | 选择列表 | yolox_l.onnx | 人体检测器 | 用于检测人体位置的模型 | yolox_l.onnx标准检测器，其他选项速度不同 |
pose_estimator | pose_estimator | 选择列表 | dw-ll_ucoco_384.onnx | 姿态估计器 | 用于估计姿态的模型 | dw-ll_ucoco_384.onnx标准估计器 |
3.6 MidasDepthMapPreprocessor（Midas深度图检测节点）
这个节点就像一个"距离测量师"，能够分析图片中物体的远近关系，制作出深度图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要深度分析的图像 | 连接你要分析远近的图片 |
a | a | 浮点数 | 6.2 | 深度参数A | 深度计算的第一个参数 | 6.2标准值，调大增强深度对比 |
bg_threshold | bg_threshold | 浮点数 | 0.1 | 背景阈值 | 背景识别的阈值 | 0.1标准阈值，调小背景更敏感 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.7 ZoeDepthMapPreprocessor（Zoe深度图检测节点）
这个节点就像一个"高精度距离测量师"，比Midas更精确地分析图片的深度信息。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要深度分析的图像 | 连接你要分析远近的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.8 NormalBaePreprocessor（法线贴图检测节点）
这个节点就像一个"表面纹理分析师"，能够分析物体表面的凹凸纹理，制作法线贴图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要法线分析的图像 | 连接你要分析表面纹理的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.9 LineartPreprocessor（标准线稿提取节点）
这个节点就像一个"线稿画家"，能够把照片转换成干净的线稿，就像手绘的线条画。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要线稿提取的图像 | 连接你要转换成线稿的图片 |
coarse | coarse | 布尔值 | False | 粗糙模式 | 是否使用粗糙线条模式 | False精细线条，True粗糙线条 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.10 LineartAnimePreprocessor（动漫线稿提取节点）
这个节点就像一个"动漫线稿画家"，专门把图片转换成动漫风格的线稿。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要动漫线稿提取的图像 | 连接你要转换成动漫线稿的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
当前已输出：10个节点，还剩30+个节点待输出
由于节点数量庞大，我将继续分批输出剩余节点...
3.11 MangaLinePreprocessor（漫画线稿提取节点）
这个节点就像一个"漫画线稿画家"，专门处理漫画风格的线稿提取，比动漫线稿更加干净。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要漫画线稿提取的图像 | 连接你要转换成漫画线稿的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.12 MLSDPreprocessor（M-LSD直线检测节点）
这个节点就像一个"直线探测器"，专门找出图片中的直线，比如建筑物的边缘、门窗的轮廓等。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要直线检测的图像 | 连接包含建筑或几何图形的图片 |
thr_v | thr_v | 浮点数 | 0.1 | 垂直阈值 | 垂直线检测的敏感度 | 0.1标准敏感度，0.05更敏感 |
thr_d | thr_d | 浮点数 | 0.1 | 距离阈值 | 线段距离检测的敏感度 | 0.1标准敏感度，0.05更精确 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.13 PiDiNetPreprocessor（PiDiNet软边缘检测节点）
这个节点就像一个"智能边缘画家"，能够检测出更自然、更符合人眼感知的边缘线条。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要软边缘检测的图像 | 连接你要提取自然边缘的图片 |
safe | safe | 选择列表 | enable | 安全模式 | 是否启用安全处理模式 | enable安全模式，disable高性能模式 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.14 ScribblePreprocessor（涂鸦线条节点）
这个节点就像一个"涂鸦转换器"，能够把图片转换成类似手绘涂鸦的线条效果。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要涂鸦转换的图像 | 连接你要转换成涂鸦风格的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.15 TEEDPreprocessor（TEED边缘检测节点）
这个节点就像一个"高精度边缘探测器"，使用最新的TEED算法来检测边缘，效果比传统方法更好。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要TEED边缘检测的图像 | 连接你要提取高质量边缘的图片 |
safe_steps | safe_steps | 整数 | 2 | 安全步数 | 处理的安全步骤数量 | 2标准步数，3更安全但更慢 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.16 AnyLinePreprocessor（AnyLine万能线条检测节点）
这个节点就像一个"万能线条大师"，能够检测各种类型的线条，适用于多种场景。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要线条检测的图像 | 连接你要提取各种线条的图片 |
mteed_model | mteed_model | 选择列表 | mteed.pth | MTEED模型 | 使用的MTEED模型文件 | mteed.pth标准模型 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.17 LeresDepthMapPreprocessor（LeReS深度图检测节点）
这个节点就像一个"专业深度测量师"，使用LeReS算法来生成高质量的深度图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要深度分析的图像 | 连接你要分析深度的图片 |
rm_nearest | rm_nearest | 浮点数 | 0.0 | 移除最近 | 移除最近距离的比例 | 0.0不移除，0.1移除10%最近的 |
rm_background | rm_background | 浮点数 | 0.0 | 移除背景 | 移除背景的比例 | 0.0不移除，0.1移除10%背景 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.18 DepthAnythingPreprocessor（Depth Anything深度检测节点）
这个节点就像一个"全能深度分析师"，使用Depth Anything算法，能够分析任何类型图片的深度。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要深度分析的图像 | 连接任何你要分析深度的图片 |
ckpt_name | ckpt_name | 选择列表 | depth_anything_vitl14.pth | 模型文件 | 使用的Depth Anything模型 | vitl14大模型质量好，vits14小模型速度快 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.19 DepthAnythingV2Preprocessor（Depth Anything V2深度检测节点）
这个节点就像一个"升级版全能深度分析师"，是Depth Anything的改进版本，精度更高。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要深度分析的图像 | 连接任何你要分析深度的图片 |
ckpt_name | ckpt_name | 选择列表 | depth_anything_v2_vitl.pth | 模型文件 | 使用的Depth Anything V2模型 | vitl大模型质量最好，vits小模型速度快 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.20 Metric3DDepthMapPreprocessor（Metric3D深度图节点）
这个节点就像一个"精密深度测量仪"，能够生成带有真实尺度信息的深度图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要精密深度分析的图像 | 连接你要精确测量深度的图片 |
backbone | backbone | 选择列表 | vit-small | 骨干网络 | 使用的神经网络骨干 | vit-small平衡性能，vit-large质量更好 |
fx | fx | 浮点数 | 1000.0 | 焦距X | 相机X方向焦距参数 | 1000.0标准焦距，调整可改变深度感知 |
fy | fy | 浮点数 | 1000.0 | 焦距Y | 相机Y方向焦距参数 | 1000.0标准焦距，通常与fx相同 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.21 Metric3DNormalMapPreprocessor（Metric3D法线图节点）
这个节点就像一个"精密表面分析仪"，能够生成高质量的表面法线图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要法线分析的图像 | 连接你要分析表面纹理的图片 |
backbone | backbone | 选择列表 | vit-small | 骨干网络 | 使用的神经网络骨干 | vit-small平衡性能，vit-large质量更好 |
fx | fx | 浮点数 | 1000.0 | 焦距X | 相机X方向焦距参数 | 1000.0标准焦距 |
fy | fy | 浮点数 | 1000.0 | 焦距Y | 相机Y方向焦距参数 | 1000.0标准焦距 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.22 DSINENormalMapPreprocessor（DSINE法线图节点）
这个节点就像一个"智能表面分析师"，使用DSINE算法生成高质量的法线图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要DSINE法线分析的图像 | 连接你要分析表面的图片 |
fov | fov | 浮点数 | 60.0 | 视野角度 | 相机的视野角度 | 60.0标准视角，90.0广角，30.0长焦 |
iterations | iterations | 整数 | 5 | 迭代次数 | 处理的迭代次数 | 5标准次数，10更精确但更慢 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
当前已输出：22个节点，还剩18+个节点待输出
继续输出剩余节点...
3.23 AnimalPosePreprocessor（动物姿态检测节点）
这个节点就像一个"动物行为分析师"，专门识别动物的姿态和动作，支持多种动物。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要动物姿态检测的图像 | 连接包含动物的图片 |
bbox_detector | bbox_detector | 选择列表 | yolox_l.onnx | 动物检测器 | 用于检测动物位置的模型 | yolox_l.onnx标准检测器 |
pose_estimator | pose_estimator | 选择列表 | rtmpose-m_ap10k_256.onnx | 姿态估计器 | 用于估计动物姿态的模型 | rtmpose-m标准估计器 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
这个节点就像一个"面部细节分析师"，能够识别面部的详细特征点，包括眼睛、鼻子、嘴巴等。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要面部分析的图像 | 连接包含人脸的图片 |
max_faces | max_faces | 整数 | 10 | 最大面部数 | 最多检测的面部数量 | 10检测多个面部，1只检测一个 |
min_confidence | min_confidence | 浮点数 | 0.5 | 最小置信度 | 面部检测的最小置信度 | 0.5标准置信度，0.8更严格 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.25 DensePosePreprocessor（DensePose密集姿态节点）
这个节点就像一个"人体表面分析师"，能够分析人体表面的每个像素对应身体的哪个部位。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要密集姿态分析的图像 | 连接包含人体的图片 |
model | model | 选择列表 | densepose_r50_fpn_dl.torchscript | DensePose模型 | 使用的DensePose模型文件 | 标准模型，质量和速度平衡 |
cmap | cmap | 选择列表 | Viridis | 颜色映射 | 结果显示的颜色方案 | Viridis彩虹色，Parula蓝绿色 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
这个节点就像一个"场景物体识别师"，能够识别图片中的各种物体，如人、车、动物等。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要语义分割的图像 | 连接你要识别物体的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
这个节点就像一个"场景区域分析师"，能够识别图片中的各种场景区域，如天空、建筑、植物等。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要场景分割的图像 | 连接你要分析场景的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
这个节点就像一个"通用场景分析师"，使用UniFormer算法进行语义分割。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要语义分割的图像 | 连接你要分割的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.29 ColorPreprocessor（颜色调色板节点）
这个节点就像一个"颜色提取器"，能够提取图片的主要颜色，制作颜色调色板。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要颜色提取的图像 | 连接你要提取颜色的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.30 ContentShufflePreprocessor（内容打乱节点）
这个节点就像一个"图片打乱器"，能够打乱图片的内容布局，保持风格但改变构图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要内容打乱的图像 | 连接你要打乱布局的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.31 ImageLuminancePreprocessor（图像亮度节点）
这个节点就像一个"亮度分析器"，能够分析图片的亮度分布，制作亮度图。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要亮度分析的图像 | 连接你要分析亮度的图片 |
gamma_correction | gamma_correction | 浮点数 | 1.0 | 伽马校正 | 亮度的伽马校正值 | 1.0标准亮度，0.5更亮，2.0更暗 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.32 ImageIntensityPreprocessor（图像强度节点）
这个节点就像一个"强度分析器"，能够分析图片的强度分布。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要强度分析的图像 | 连接你要分析强度的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.33 TilePreprocessor（瓦片预处理节点）
这个节点就像一个"图片瓦片化器"，能够对图片进行瓦片化处理，增强细节。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要瓦片处理的图像 | 连接你要瓦片化的图片 |
pyrUp_iters | pyrUp_iters | 整数 | 3 | 上采样迭代 | 金字塔上采样的迭代次数 | 3标准次数，5更精细 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.34 SAMPreprocessor（SAM分割节点）
这个节点就像一个"万能分割师"，使用SAM（Segment Anything Model）能够分割图片中的任何物体。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要分割的图像 | 连接你要分割物体的图片 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.35 InpaintPreprocessor（修复预处理节点）
这个节点就像一个"图片修复助手"，为图片修复任务做预处理。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要修复预处理的图像 | 连接你要修复的图片 |
mask | mask | MASK对象 | - | 遮罩 | 指定需要修复的区域 | 连接标记需要修复区域的遮罩 |
3.36 BinaryPreprocessor（二值化节点）
这个节点就像一个"黑白转换器"，能够把图片转换成纯黑白的二值图像。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要二值化的图像 | 连接你要转换成黑白的图片 |
bin_threshold | bin_threshold | 整数 | 100 | 二值化阈值 | 黑白分界的阈值 | 100标准阈值，50更多白色，150更多黑色 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.37 MeshGraphormerDepthMapPreprocessor（手部深度图节点）
这个节点就像一个"手部深度分析师"，专门分析手部的深度信息，常用于手部重建。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要手部深度分析的图像 | 连接包含手部的图片 |
mask_bbox_padding | mask_bbox_padding | 整数 | 30 | 遮罩边界填充 | 手部检测框的填充像素 | 30标准填充，50更宽松 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
3.38 UnimatchOptFlowPreprocessor（光流检测节点）
这个节点就像一个"运动轨迹分析师"，能够分析视频帧之间的运动轨迹。
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 |
|---|
image | image | IMAGE对象 | - | 输入图片 | 需要光流分析的图像序列 | 连接连续的视频帧 |
ckpt_name | ckpt_name | 选择列表 | gmflow-scale2-regrefine6-mixdata.pth | 模型文件 | 使用的光流检测模型 | scale2标准模型，scale1更快 |
resolution | resolution | 整数 | 512 | 输出分辨率 | 处理后图像的分辨率 | 512标准分辨率，1024高清分辨率 |
4. 使用技巧和建议
4.1 新手入门建议
从AIO开始：新手建议先用AIO_Preprocessor节点，通过下拉菜单尝试不同效果
分辨率设置：初学者建议使用512分辨率，速度快且效果好
逐步尝试：不要一次性使用太多复杂参数，先用默认值看效果
保存工作流：找到好的参数组合后记得保存工作流
4.2 进阶使用技巧
参数调优：每个预处理器都有特定的参数，需要根据图片特点调整
组合使用：可以串联多个预处理器，比如先用Canny提取边缘，再用其他节点优化
分辨率匹配：确保预处理器的输出分辨率与后续ControlNet模型匹配
模型选择：不同的预处理器对应不同的ControlNet模型，要选择匹配的
4.3 常见参数组合
5. 常见问题解答
5.1 安装相关问题
Q: 某些节点显示红色无法使用？ A: 可能是模型文件未下载，首次使用会自动下载，请耐心等待
Q: 下载模型文件很慢怎么办？ A: 可以手动从HuggingFace下载模型文件到对应目录
5.2 使用相关问题
Q: 处理速度很慢怎么办？ A: 降低分辨率参数，选择更轻量的模型，或使用GPU加速
Q: 效果不理想怎么调整？ A: 调整阈值参数，尝试不同的预处理器，或改变输入图片质量
5.3 效果优化问题
Q: 边缘检测效果不好？ A: 调整high_threshold和low_threshold参数，或尝试不同的边缘检测器
Q: 姿态检测不准确？ A: 确保图片中人物清晰完整，调整检测器参数，或使用更精确的DWPose
6. 总结
ComfyUI ControlNet Aux插件是一个功能极其强大的图像预处理工具集，包含了40+个不同功能的节点，从基础的边缘检测到高级的语义分割，几乎涵盖了所有图像分析的需求。
无论你是想要提取图片线条、分析深度信息、识别人体姿态，还是进行语义分割，这个插件都能满足你的需求。配合ControlNet使用，能够实现精确的图像生成控制，是ComfyUI生态中不可或缺的重要工具！🎭✨
%20(1).png)
