## 1. 插件简介 这个插件叫做 ComfyUI-Image-Inpainting，来自 GitHub 地址：https://github.com/SherryXieYuchen/ComfyUI-Image-Inpainting 这个插件是专门用来做图像修复的，就像我们用橡皮擦把照片上不要的东西擦掉，然后让电脑自动帮我们填补空缺的部分。比如你想把照片里的路人甲去掉，或者想把水印擦掉，这个插件就能帮你做到。它就像一个超级聪明的"自动修图师"，能根据周围的内容智能地填补被擦掉的区域。 ## 2. 如何安装 安装这个插件需要几个步骤，就像搭积木一样： 1. 打开电脑里的 ComfyUI 文件夹 2. 找到 `custom_nodes` 文件夹（这个文件夹就像是放各种工具的工具箱） 3. 在这个文件夹里执行以下命令： ```bash git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git git clone https://github.com/SherryXieYuchen/comfyui_controlnet_aux.git ``` 4. 然后需要下载一堆模型文件（这些就像是不同的画笔和颜料）： - `sd-v1-5-inpainting.ckpt` 放到 `models/checkpoints/stable-diffusion-inpainting/` - `vae-ft-mse-840000-ema-pruned.safetensors` 放到 `models/vae/` - `control_v11f1p_sd15_depth.pth` 放到 `models/controlnet/` - `big-lama.pt` 放到 `models/inpaint/` - `RealESRGAN_x2plus.pth` 放到 `models/upscale_models/` - `ZoeD_M12_N.pt` 放到 `custom_nodes/comfyui_controlnet_aux/ckpts/lllyasviel/Annotators/` - `pytorch_lora_weights.safetensors` 放到 `models/loras/` ## 3. 节点详细解析 根据资料显示，这个插件包含 7 个主要节点，每个节点都有自己的特殊功能： ### 3.1 VAE Encode Inpaint 节点 这个节点就像是一个"图片打包机"，它把原始图片和蒙版（就是你用来标记要修复区域的黑白图）一起打包，准备送给修复系统处理。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 图片输入 | pixels | 图片文件 | 任意图片 | 这是你要修复的原始照片 | 输入待处理的图像数据 | 上传一张有瑕疵的照片 | | 蒙版输入 | mask | 黑白图片 | 白色标记需要修复的区域 | 这是告诉系统哪里需要修复的地图 | 定义需要修复的区域掩码 | 用白色涂抹要去掉的水印区域 | | 编码器 | vae | VAE模型 | 使用下载的VAE | 这是负责理解图片的"翻译官" | 变分自编码器模型 | 选择下载好的VAE文件 | ### 3.2 VAE Decode Inpaint 节点 这个节点就像是一个"图片解包机"，它把修复好的数据重新变成我们能看懂的图片。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 处理后数据 | samples | 数据包 | 来自修复节点 | 这是修复好但还没变成图片的数据 | 解码潜在空间表示 | 接收修复节点的输出 | | 解码器 | vae | VAE模型 | 使用下载的VAE | 这是负责把数据变成图片的"翻译官" | 变分自编码器模型 | 选择下载好的VAE文件 | ### 3.3 ColorCorrection Inpaint 节点 这个节点就像是一个"调色师"，它确保修复后的区域颜色和周围的颜色看起来协调自然。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 修复后图片 | image | 图片文件 | 来自解码节点 | 这是刚修复好的图片 | 待颜色校正的图像 | 接收解码节点的输出 | | 原始图片 | reference | 图片文件 | 原始照片 | 这是用来参考颜色的原图 | 颜色参考图像 | 使用最开始的原图 | | 蒙版 | mask | 黑白图片 | 修复区域蒙版 | 这告诉系统哪里需要调色 | 需要校正的区域掩码 | 使用之前的蒙版 | | 调色强度 | factor | 0.0-1.0 | 0.8 | 这控制调色的强烈程度，就像调节颜色浓度 | 颜色校正的强度因子 | 0.8表示比较自然的调色 | ### 3.4 ImagePreprocess Inpaint 节点 这个节点就像是一个"图片预处理师"，它在修复前先把图片准备好，让修复效果更好。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 输入图片 | image | 图片文件 | 原始图片 | 这是要预处理的图片 | 待预处理的图像 | 上传你的原始照片 | | 蒙版 | mask | 黑白图片 | 修复区域蒙版 | 这标记了需要修复的区域 | 修复区域的掩码 | 白色标记要修复的部分 | | 填充方式 | fill_mode | 选项 | "neutral" | 这决定用什么方式填充要修复的区域 | 预填充算法选择 | neutral表示用中性色填充 | | 模糊半径 | blur_radius | 数字 | 8 | 这控制边缘模糊的程度，就像调焦距 | 边缘模糊的像素半径 | 8表示适中的模糊效果 | | 扩张像素 | expand_pixels | 数字 | 16 | 这控制修复区域向外扩展多少 | 掩码扩张的像素数 | 16表示向外扩展16个像素 | ### 3.5 ImagePostprocess Inpaint 节点 这个节点就像是一个"图片后期师"，它在修复完成后对图片进行最后的润色和优化。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 修复后图片 | inpainted | 图片文件 | 来自修复节点 | 这是刚修复好的图片 | 修复后的图像 | 接收修复节点的输出 | | 原始图片 | original | 图片文件 | 原始照片 | 这是用来对比的原图 | 原始参考图像 | 使用最开始的原图 | | 蒙版 | mask | 黑白图片 | 修复区域蒙版 | 这告诉系统哪里被修复了 | 修复区域的掩码 | 使用之前的蒙版 | | 羽化半径 | feather_radius | 数字 | 8 | 这控制修复边缘的柔和程度 | 边缘羽化的像素半径 | 8表示适中的羽化效果 | | 混合模式 | blend_mode | 选项 | "linear" | 这决定新旧图片怎么混合 | 图像混合算法 | linear表示线性混合 | ### 3.6 Load Model Inpaint 节点 这个节点就像是一个"模型加载器"，它负责载入专门用于修复的智能模型。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型路径 | model_path | 文件路径 | 下载的模型文件 | 这是智能修复大脑的位置 | 修复模型的文件路径 | 选择下载的 big-lama.pt 文件 | | 设备 | device | 选项 | "auto" | 这决定用什么硬件来运行 | 运行设备选择 | auto表示自动选择最佳设备 | ### 3.7 Inpainting (using Model) 节点 这个节点就像是整个修复系统的"大脑"，它利用智能模型来执行实际的修复工作。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 加载的模型 | model | 模型对象 | 来自加载节点 | 这是用来修复的智能大脑 | 加载的修复模型 | 连接模型加载节点 | | 预处理图片 | image | 图片文件 | 来自预处理节点 | 这是准备好的待修复图片 | 预处理后的图像 | 连接预处理节点 | | 修复强度 | strength | 0.0-1.0 | 0.8 | 这控制修复的强烈程度 | 修复强度系数 | 0.8表示比较自然的修复 | | 修复步数 | steps | 数字 | 20 | 这控制修复的精细程度，步数越多越精细 | 修复迭代步数 | 20步通常足够了 | | 随机种子 | seed | 数字 | 随机 | 这控制修复的随机性，相同种子产生相同结果 | 随机数生成种子 | 设置固定值可复现结果 | ## 4. 使用技巧和建议 ### 4.1 新手使用建议 - **先从简单的修复开始**：比如去掉小的水印或者小瑕疵，不要一开始就尝试复杂的修复 - **蒙版要画准确**：就像用橡皮擦一样，要擦准地方，白色部分就是要修复的区域 - **参数不要调太极端**：刚开始用建议值，熟悉后再慢慢调整 ### 4.2 提高修复效果的技巧 - **模糊半径适中**：太小会有明显边界，太大会影响细节 - **扩张像素要合理**：让修复区域稍微大一点，避免边缘不自然 - **多试几个随机种子**：不同的种子会产生不同的修复效果 ### 4.3 节点连接顺序 1. Load Model Inpaint → 加载修复模型 2. ImagePreprocess Inpaint → 图片预处理 3. VAE Encode Inpaint → 图片编码 4. Inpainting (using Model) → 执行修复 5. VAE Decode Inpaint → 解码成图片 6. ColorCorrection Inpaint → 颜色校正 7. ImagePostprocess Inpaint → 后期处理 ## 5. 常见问题解答 ### 5.1 为什么修复后的图片颜色不对？ - **问题原因**：没有使用颜色校正节点 - **解决方法**：添加 ColorCorrection Inpaint 节点，并正确连接原图作为参考 ### 5.2 修复区域边缘很明显怎么办？ - **问题原因**：羽化半径设置不当 - **解决方法**：在 ImagePostprocess Inpaint 节点中增加羽化半径值 ### 5.3 修复效果不理想怎么办？ - **检查蒙版**：确保白色区域准确标记了需要修复的部分 - **调整参数**：尝试不同的修复强度和步数 - **更换随机种子**：试试不同的随机种子 ### 5.4 运行很慢怎么办？ - **检查硬件**：确保使用了显卡加速 - **降低步数**：减少修复步数可以加快速度 - **调整图片大小**：大图片修复比较慢 ## 6. 总结和进阶建议 这个插件就像是一个完整的图片修复工厂，每个节点都有自己的作用：预处理负责准备工作，模型负责智能修复，后处理负责最终优化。掌握了这些节点的使用，你就能处理各种图片修复任务了。 建议新手从简单的修复开始练习，逐步熟悉各个参数的作用，这样就能做出越来越好的修复效果。记住，修复是一门艺术，需要耐心和练习！
ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44 ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件，就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址：https://github.com/LingSss9/com
%20(1).png)
