当前位置: 首页>

有图有话

>正文

深度解析:画面词云效果工作流搭建与解读

发布时间:2026-10-27

大家好,我是三石。

在之前的几期内容中,我们一同探讨了AI绘图的基础理论以及comfyui的安装步骤。从本期开始,我将逐步向大家展示一系列有趣的工作流程。这些工作流程虽然在网上已有现成的案例,但我发现,很少有人在分享时会详细解释每个环节的作用以及出图背后的逻辑。因此,我并不建议您直接套用现成的工作流程,尽管在紧急情况下这样做也无妨。我更倾向于推荐大家深入理解每个环节,不仅要知其然,更要知其所以然。

以下是往期文章的回顾:

对于comfyui还不够熟悉的读者,可以参考我之前的分享:

本篇文章将分为四个部分进行讲解:

我将针对其中的关键节点进行详细的阐述和解读,希望您在阅读完毕后能够掌握并自行搭建。同时,也欢迎您将出图效果分享至评论区,共同学习和探讨。

下面,我们正式开始:

1. 工作流效果展示

今天,我要向大家介绍的是一款流行的comfyui词云工作流程。在此,我们先不急于深入,先来欣赏一下其效果。

深度解析:画面词云效果工作流搭建与解读

这是背景词云填充效果工作流:

深度解析:画面词云效果工作流搭建与解读

也可以主体物填充词云效果工作流:

深度解析:画面词云效果工作流搭建与解读

2.工作流节点逻辑梳理

首先,我先梳理了该工作流用到的节点有:

深度解析:画面词云效果工作流搭建与解读

其次,为了大家能举一反三,融会贯通,我总结了该工作流的核心逻辑:

深度解析:画面词云效果工作流搭建与解读

3. 工作流程解析

在掌握了整体的工作逻辑之后,我们便可以逐一展开各个步骤的详细介绍。下面,我将针对背景词云的工作流程进行详细的拆解,整个过程可以分为五个关键环节:

3.1 创作图像

在这个环节中,我们主要利用预先加载的大规模模型来生成图像。当然,用户也可以根据个人喜好,通过添加lora参数来对图片的风格进行定制。如果您在选择checkpoint时感到困惑,不妨访问liblib网站自行下载,或者参考我的另一篇文章以获取更多建议:

3.2 提取主体

接下来是抠图环节,这一步骤旨在识别并提取图像中的主体部分。

3.3 创建词云

在这一步,我们将文本内容转化为具有随机分布效果的词云。

3.4 图像融合

图像合成阶段,我们将之前提取的图像元素进行合并,形成一个完整的图像。

3.5 连接元素

最后,我们需要对图像中的各个元素进行连接,使整体画面更加和谐统一。

深度解析:画面词云效果工作流搭建与解读

7.2 控制图像尺寸

在流程中,我们需关注“空latent”节点,它负责调节生成图像的尺寸。对于K采样器,若读者对此概念感到困惑,敬请期待我后续的文章,我将专门对其展开详细阐述。若感兴趣,不妨关注我的账号,并在评论区提醒我。

3.2 主体抠图技巧

在生成checkpoint图片之后,紧接着的工作是识别并提取图像中的主体。此环节主要依赖“image Segmentation”节点,该节点的主要功能是将图像背景与主要对象(如人物)有效分离。

image Segmentation 节点详解

官方参数说明:

- 参数设置:model:用户需选择合适的抠图模型。

- Alpha matting:这是一个后处理步骤,旨在提升输出质量。

- Alpha Matting Foreground Threshold:Trimap前景阈值设定。

- Alpha Matting Background Threshold:Trimap背景阈值设定。

- Alpha Matting Erode Size:透明度将从原始面罩扩散至多远。

- Post-Process Mask:后处理蒙版,用于使蒙版效果更加细腻。

深度解析:画面词云效果工作流搭建与解读

图像反转 节点

说明:通过色彩 将图片的前景和背景进行反转。

深度解析:画面词云效果工作流搭建与解读

3.3 词云环节

在这个工作流程中,词云环节扮演着至关重要的角色,尽管其原理并不复杂。该环节的基本操作是,用户输入一段文字后,系统会自动进行随机排版,从而生成独特的词云效果。

深度解析:画面词云效果工作流搭建与解读

第10部分:词云生成节点详解

在文本内容的基础上,我们能够利用词云生成节点创造出独特的词云图像。这种图像中,文字的大小直接反映了其出现的频率,即词频越高,文字的尺寸也就越大。用户可以自定义关键词,明确想要突出的重点词汇,同时也可以设定排除词,以过滤掉不需要显示的词汇。此外,该节点还支持输入带有alpha通道的图像,从而能够生成带有特定形状的词云图像。

深度解析:画面词云效果工作流搭建与解读

无法访问网站的朋友们,请留意这里。若您需要了解画面词云效果的工作流搭建方法,欢迎关注本篇文章或于评论区留言,我将免费提供带有详细节点说明的工作流资料。

接下来,我将为您详细解释相关参数。

深度解析:画面词云效果工作流搭建与解读
深度解析:画面词云效果工作流搭建与解读

到这里的工作流跑完之后,我们就能得到轮廓清晰的词云效果了。

深度解析:画面词云效果工作流搭建与解读

3.4 图像融合技巧

然而,若想要达到下述视觉效果,将词云图案巧妙地叠加至先前制作出的图片之上,最终形成一幅完整的海报作品,具体的操作步骤又是怎样的呢?

深度解析:画面词云效果工作流搭建与解读

文章标题:深入剖析 | 图像合成效果流程构建与解读

(文章第15/18部分,中间部分,直接输出改写正文)

原文片段:

imageComposite_Zho节点

在这个环节,我们引入了至关重要的最后一个节点——imageComposite_Zho。该节点在中文中的含义是图像合成,其主要功能是将不同的图像叠加在一起,并确保它们在叠加时能够保持各自的宽高比例。

深度解析:画面词云效果工作流搭建与解读

参数解释:

深度解析:画面词云效果工作流搭建与解读

3.5 连接环节

在此,我将图片截取部分展示出来,供大家参考。若您需要了解整个工作流,欢迎私信我获取。

本工作流的设计灵感来源于GitHub上的项目ZHO-ZHO-ZHO,在此表示诚挚的感谢!

深度解析:画面词云效果工作流搭建与解读

总结:

经过一番详尽的讲解,词云制作的工作流程、各个节点的功能及其运作原理已经全部呈现于眼前。在这篇文章中,我们着重介绍了核心节点——“word cloud”词云节点,同时对于“mage Segmentation”抠图节点以及“imageComposite_Zho”图像合成节点也进行了深入剖析。期望读者能够对这些节点的参数设置有一个基本的掌握,以便在未来的创作实践中能够更加得心应手。

最后,衷心祝愿各位在制作词云的过程中能够享受到创作的乐趣,力求一次就能制作出令人满意的成果!

感谢您耐心阅读至此,这份分享实属不易。恳请您继续关注并给予点赞支持,在此先表谢意

深度解析:画面词云效果工作流搭建与解读
关注
客服 工单