1. 工作流概述

该工作流主要用于 自动或半自动去除图像中的水印和Logo，支持两种不同的识别模块（Florence2 和 GroundingDINO + SAM），并允许用户手动调整遮罩。最终输出修复后的图像，并提供对比视图。

2. 核心模型

3. 关键组件

(1) 图像加载与预处理

• LoadImage：加载输入图像（如 水印图片-1.png）。

• ImageScaleByAspectRatio：调整图像分辨率（如 1024x1024），保持比例。

(2) 水印检测模块

模块1: Florence2 (OCR+区域检测)

• Florence2ModelLoader：加载Florence2模型（需HuggingFace token）。

• Florence2Run：运行检测，输出遮罩和文字信息。

模块2: GroundingDINO + SAM

• GroundingDinoSAMSegment：结合DINO（检测）和SAM（分割），生成遮罩。

• GrowMaskWithBlur：扩展遮罩边缘，使修复更自然。

(3) 图像修复

• InpaintCrop：裁剪待修复区域。

• KSampler：使用Stable Diffusion模型（如 realisticVisionV60B1）修复图像。

• InpaintStitch：将修复后的区域缝合回原图。

(4) 输出与对比

• SaveImage：保存最终结果。

• Image Comparer：对比处理前后效果（滑动视图）。

4. 工作流结构

Group 1: 输入与预处理

• 输入：图像文件（如PNG/JPG）。

• 输出：调整大小后的图像。

Group 2: 水印检测（双模块）

• 输入：缩放后的图像。

• 输出：遮罩（Mask）。

Group 3: 修复与缝合

• 输入：遮罩 + 原始图像。

• 输出：修复后的图像。

Group 4: 结果对比

• 输入：原始图 vs 修复图。

• 输出：并排对比视图。

5. 输入与输出

输入参数

1. 图像文件（如 水印图片-1.png）。

2. 模型选择（Florence2 或 GroundingDINO+SAM）。

3. 修复参数（如采样步数 20、CFG 1）。

输出结果

• 修复后的图像（无水印版本）。

• 对比视图（可选）。

6. 注意事项

安装依赖

1. Florence2：需HuggingFace账号和API token。

   pip install transformers

2. GroundingDINO + SAM：

   • 从GitHub安装：

     git clone https://github.com/IDEA-Research/GroundingDINO
     git clone https://github.com/facebookresearch/segment-anything

   • 下载模型权重（如 sam_vit_h_4b8939.pth）。

3. ComfyUI 插件：

   • 通过 ComfyUI Manager 安装：

     • rgthree Nodes（用于上下文管理）。

     • LayerUtility（图像缩放）。

常见问题

• CUDA内存不足：降低分辨率或使用 --medvram 参数启动ComfyUI。

• 模型加载失败：检查权重文件路径是否正确。

• 遮罩不准确：手动调整 GrowMaskWithBlur 参数（如 扩张像素=5）。

性能建议

• 使用 RTX 3090/4090 或更高GPU以获得最佳速度。

• 对4K图像，建议先缩放到 1024x1024 再处理。

7. 总结

该工作流适合需要批量去水印的用户，结合了 自动化检测+手动微调 的优势。Florence2适合文字水印，而GroundingDINO+SAM更适合图形Logo。修复质量依赖Stable Diffusion模型的选择（如 realisticVision 适合照片，revAnimated 适合动漫）。

提示：首次运行时，建议先测试小图并逐步调整遮罩参数！