Repository navigation
Expand file tree
/
Copy pathshadow_extract_node.py
More file actions
136 lines (112 loc) · 4.96 KB
/
Copy pathshadow_extract_node.py
File metadata and controls
136 lines (112 loc) · 4.96 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
"""
Shadow Extract Node (HSV Version)
影抽出ノード - HSV空間で影を検出してアルファチャンネルとして出力
- shade: 影あり画像(影の色を抽出したい画像)
- base: 影なし画像(フラット・ベース画像)
- 明度低下(V)と彩度上昇(S)にのみ反応
- 色相差は無視
- 出力: RGBA画像(RGB=shade側の色, Alpha=影量)
"""
import torch
import numpy as np
import cv2
class ShadowExtractNode:
"""
2枚の画像から影を抽出してアルファチャンネルとして出力するノード
shade側の色を保持し、影の部分のみを抽出
"""
@classmethod
def INPUT_TYPES(cls):
return {
"required": {
"shade": ("IMAGE",), # 影あり画像
"base": ("IMAGE",), # 影なし画像(フラット)
"weight_V": ("FLOAT", {
"default": 1.0,
"min": 0.0,
"max": 5.0,
"step": 0.1,
"display": "slider"
}),
"weight_S": ("FLOAT", {
"default": 0.5,
"min": 0.0,
"max": 5.0,
"step": 0.1,
"display": "slider"
}),
"normalize_factor": ("FLOAT", {
"default": 40.0,
"min": 1.0,
"max": 200.0,
"step": 1.0,
"display": "slider"
}),
},
}
RETURN_TYPES = ("IMAGE",)
RETURN_NAMES = ("output",)
FUNCTION = "extract_shadow"
CATEGORY = "FixableFlow"
def extract_shadow(self, shade, base, weight_V=1.0, weight_S=0.5, normalize_factor=40.0):
"""
shade画像から影の色を抽出してRGBA画像として出力
Args:
shade: 影あり画像(この画像の色を使用)
base: 影なし画像(フラット・比較用)
weight_V: 明度差の重み
weight_S: 彩度差の重み
normalize_factor: 正規化係数
Returns:
RGBA画像(RGB=shade側の色、Alpha=影の量)
"""
from PIL import Image
# ワークフローでは接続が逆になっているため、変数を入れ替える
# shade パラメータに接続されているのは実際には base(明るい)
# base パラメータに接続されているのは実際には shade(暗い)
shade_img = shade[0].clone() # 実際の shade(暗い影付き画像)
base_img = base[0].clone() # 実際の base(明るいフラット画像)
# アルファチャンネルを削除
if shade_img.shape[2] == 4:
shade_img = shade_img[:, :, :3]
if base_img.shape[2] == 4:
base_img = base_img[:, :, :3]
# サイズを合わせる
if shade_img.shape[:2] != base_img.shape[:2]:
base_np = (base_img.cpu().numpy() * 255).astype(np.uint8)
base_pil = Image.fromarray(base_np)
target_size = (shade_img.shape[1], shade_img.shape[0])
base_pil = base_pil.resize(target_size, Image.LANCZOS)
base_img = torch.from_numpy(np.array(base_pil).astype(np.float32) / 255.0)
# NumPy配列に変換
shade_np = (shade_img.cpu().numpy() * 255).astype(np.uint8)
base_np = (base_img.cpu().numpy() * 255).astype(np.uint8)
# HSV色空間に変換
hsv_shade = cv2.cvtColor(shade_np, cv2.COLOR_RGB2HSV).astype(np.float32)
hsv_base = cv2.cvtColor(base_np, cv2.COLOR_RGB2HSV).astype(np.float32)
# H, S, Vチャンネルを分離
_, S_shade, V_shade = cv2.split(hsv_shade)
_, S_base, V_base = cv2.split(hsv_base)
# 影の検出
# delta_V: baseよりshadeが暗い部分(影で明度が下がっている)
delta_V = np.maximum(0.0, V_base - V_shade)
# delta_S: shadeの方が彩度が高い部分(影で彩度が上がる場合)
delta_S = np.maximum(0.0, S_shade - S_base)
# 影スコアの計算
shadow_score = weight_V * delta_V + weight_S * delta_S
# アルファチャンネルに変換(0-1の範囲)
alpha = np.clip(shadow_score / normalize_factor, 0.0, 1.0)
alpha = alpha[:, :, np.newaxis]
# shade側のRGB + 影のアルファでRGBA画像を作成
shade_float = shade_img.cpu().numpy()
rgba = np.concatenate([shade_float, alpha], axis=2)
# テンソルに変換
result = torch.from_numpy(rgba.astype(np.float32))
result = result.unsqueeze(0)
return (result,)
NODE_CLASS_MAPPINGS = {
"ShadowExtractNode": ShadowExtractNode
}
NODE_DISPLAY_NAME_MAPPINGS = {
"ShadowExtractNode": "Shadow Extract (HSV)"
}