【AI学习-comfyUI学习-简易加载器抠图工作流（替换抠图节点版）-各个部分学习-第七节】

【AI学习-comfyUI学习-简易加载器抠图工作流（替换抠图节点版）-各个部分学习-第七节】

1，前言2，说明1，整个工作流说明2，各个模块说明
3，流程（1）调用模块1）整个模块部分
（2）输出 提示词（3）模型加载（4）生成图片

4，模块介绍参数说明1️⃣ **#1 简易加载器 (LEOSAM HelloWorld 模型)**2️⃣ **#2 预采样参数（动态CFG）**3️⃣ **#3 简易采样器**
✂️ 二、图像分割阶段（节点 #4 SegmentAnything Ultra V2）4️⃣ **#4 SegmentAnything Ultra V2**
💾 三、结果输出阶段（节点 #5, #6, #7）5️⃣ **#5 预览图像**6️⃣ **#6 保存图像**7️⃣ **#7 保存原图**

5，细节部分6，使用的工作流7，总结

1，前言

最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。

2，说明

1，整个工作流说明

ComfyUI 在这里扮演了“生成 + 抠图 + 分层”的一体化管道。

生成部分由 Stable Diffusion（LEOSAM 模型）负责；

分割部分由 SAM + GroundingDINO + ViTMatte 联合执行；

最终得到 可单独使用的头发层素材，方便在后续如“发型替换”“图层叠加”“风格迁移”等任务中使用。

2，各个模块说明

阶段	模块	功能说明
🟢 生成	模型加载器 + CFG 采样器	根据文本提示生成人物肖像
🔵 分割	SegmentAnything Ultra V2	自动检测并提取“头发”区域
🔴 输出	保存节点	分别导出原图与头发层结果

---

3，流程

（1）调用模块

1）整个模块部分

这回整个模块都可以截截图下了

（2）输出 提示词

如下是输入提示词

1 beautiful girl

---

（3）模型加载

（4）生成图片

（1）生成图片

（2）扣出来的头发

4，模块介绍参数说明

1️⃣ #1 简易加载器 (LEOSAM HelloWorld 模型)

模型：LEOSAM HelloWorld V7.safetensors

功能：用于生成基础图像（此处是一张“beautiful girl”肖像）

输入：

文本提示词（Prompt）：
beautiful girl模型权重、VAE、LoRA 设置输出分辨率：512×512

输出：潜空间 latent 图像 → 传递给下游节点

2️⃣ #2 预采样参数（动态CFG）

功能：定义生成过程的超参数，控制图像风格与一致性。

关键参数：

采样步数：20CFG 值：8.0（影响Prompt权重）调度器：
euler种子：
1114022481631024模式：
randomize（每次可生成不同图像）

输出：采样设定 → 传入采样器

3️⃣ #3 简易采样器

功能：基于模型与参数生成最终图像

输入：模型输出 + CFG 参数

输出：

生成的最终图像（人物肖像）图像尺寸：512×512

---

✂️ 二、图像分割阶段（节点 #4 SegmentAnything Ultra V2）

4️⃣ #4 SegmentAnything Ultra V2

核心模块：实现基于语义的图像分割。

模型组合：

SAM 模型：
sam_vit_h (2.56GB)GroundingDINO：
SwinT_OCG (694MB)

关键设置：

提示词：
hair —— 表示只分割头发部分算法模式：
ViTMatte（用于细致抠图）最大框数：6透明度阈值：0.15–0.15白色阈值：0.99–0.99设备：cuda（GPU 加速）

输出：

一张头发区域的 Mask（纯白背景）一张带透明通道的分割图（只保留头发）

---

💾 三、结果输出阶段（节点 #5, #6, #7）

5️⃣ #5 预览图像

预览结果：显示头发的分割 Mask（白底、黑发）

6️⃣ #6 保存图像

输出：带透明背景的头发 PNG 文件文件保存于 ComfyUI 输出目录

7️⃣ #7 保存原图

也保存了原始人物图像，用于后续合成或LayerStyle处理。

---

5，细节部分

无

6，使用的工作流

https://download.csdn.net/download/qq_22146161/92274794

7，总结

这也算各一个开始吧，我也在学习摸索中。