KJNodes/imagegenerated

Image Sharpen KJ(ImageSharpenKJ)

Accentuation d'image accélérée par GPU avec plusieurs méthodes. **RCAS** : l'accentuation robuste adaptative au contraste d'AMD (du FSR). Filtre croisé unique à 5 taps qui s'adapte au contraste local. Artefacts minimes, bon pour un usage général avec peu de réglages. **Adaptive USM** : masque flou avec modulation de variance locale. Accentue davantage les zones riches en détails, moins les zones plates/bruitées. Plus contrôlable que RCAS via les paramètres de rayon et de seuil. **High-Pass** : extrait les détails haute fréquence et les mélange en retour. Donne une sensation d'amélioration de la "clarté". Utilise le rayon pour contrôler l'échelle des détails. **Deconvolution** : déconvolution itérative de Richardson-Lucy. Peut récupérer les détails réels perdus par le flou, pas seulement améliorer les bords. Utilise le rayon comme noyau de flou estimé et les itérations pour contrôler la convergence.

Image Sharpen KJ

image
method
output
strength
0.80
strength
0.50
radius
1.0
threshold
0.05
strength
0.50
radius
1.0
strength
0.50
radius
1.0
iterations
10
KJNodes

Description

Accentuation d'image accélérée par GPU avec plusieurs méthodes. Chaque méthode utilise un principe différent pour améliorer la netteté perçue ou récupérer les détails perdus.

RCAS : l'accentuation robuste adaptative au contraste d'AMD (du FSR).
Filtre croisé unique à 5 taps qui s'adapte au contraste local. Artefacts minimes, bon pour un usage général avec peu de réglages.

Adaptive USM : masque flou avec modulation de variance locale.
Accentue davantage les zones riches en détails, moins les zones plates/bruitées. Plus contrôlable que RCAS via les paramètres de rayon et de seuil.

High-Pass : extrait les détails haute fréquence et les mélange en retour.
Donne une sensation d'amélioration de la "clarté". Utilise le rayon pour contrôler l'échelle des détails.

Deconvolution : déconvolution itérative de Richardson-Lucy.
Peut récupérer les détails réels perdus par le flou, pas seulement améliorer les bords. Utilise le rayon comme noyau de flou estimé et les itérations pour contrôler la convergence.

Entrées

Entrées communes

  • image – L'image d'entrée (tout type d'image). La sortie correspondra à ce type.
  • méthode – Choisir l'algorithme d'accentuation dans le menu déroulant : RCAS, Adaptive USM, High-Pass ou Deconvolution. Les paramètres visibles changent selon cette sélection.

Paramètres spécifiques à la méthode

RCAS

  • intensité (FLOTTANT, 0–1, défaut 0.8) – 0 = pas d'accentuation, 1 = accentuation RCAS complète.

Adaptive USM

  • intensité (FLOTTANT, 0–3, défaut 0.5) – Multiplicateur d'accentuation. Les valeurs supérieures à 1.0 donnent une accentuation agressive.
  • rayon (FLOTTANT, 0.5–5, défaut 1.0, pas 0.1) – Sigma du flou gaussien pour le masque flou. Des valeurs plus grandes accentuent les détails plus grossiers.
  • seuil (FLOTTANT, 0–1, défaut 0.05) – Porte de bruit. Des valeurs plus élevées n'accentuent que les zones avec plus de texture/détails. 0 = tout accentuer.

High-Pass

  • intensité (FLOTTANT, 0–3, défaut 0.5) – Facteur de mélange pour les détails haute fréquence. Les valeurs supérieures à 1.0 donnent un effet plus percutant.
  • rayon (FLOTTANT, 0.5–5, défaut 1.0, pas 0.1) – Sigma du flou gaussien définissant la coupure de fréquence. Des valeurs plus grandes accentuent les détails plus grossiers.

Deconvolution

  • intensité (FLOTTANT, 0–1, défaut 0.5) – Mélange entre l'original (0) et la version entièrement déconvoluée (1).
  • rayon (FLOTTANT, 0.5–5, défaut 1.0, pas 0.1) – Sigma du flou gaussien supposé à inverser.
  • itérations (ENTIER, 1–100, défaut 10) – Itérations de Richardson-Lucy. Plus d'itérations produisent des résultats plus nets mais sont plus lentes ; des rendements décroissants sont notables au-delà de ~20.

Sorties

  • image – L'image accentuée, du même type que l'entrée.

Notes d'utilisation

Toutes les méthodes s'exécutent entièrement sur le GPU pour un traitement rapide.

  • RCAS est l'option la plus "réglée et oubliée" – essayez-la d'abord si vous voulez une accentuation rapide et sans artefacts.
  • Adaptive USM offre plus de contrôle lorsque vous devez supprimer le bruit : augmentez le seuil pour protéger les zones plates et ajustez le rayon pour correspondre à l'échelle de détails que vous souhaitez accentuer.
  • High-Pass fonctionne bien comme amélioration de la clarté ou de la texture. Utilisez un petit rayon (0.5–1.5) pour les détails fins et un rayon plus grand pour la texture moyenne.
  • Deconvolution est la plus puissante mais peut produire des artefacts de ringing ou des halos si vous itérez trop ou devinez le mauvais noyau de flou. Commencez avec 10 à 20 itérations et un rayon égal au flou estimé de l'image originale.

Commentaires

Connectez-vous avec GitHub pour rejoindre la discussion.

Chargement des commentaires…
Image Sharpen KJ (ImageSharpenKJ) - ComfyUI-KJNodes | ComfyUI Wiki