Hugging Face 的 LOGO

Diffusers 文档

VAE 图像处理器

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

VAE 图像处理器

VaeImageProcessor 提供统一的 API，用于 StableDiffusionPipeline 准备 VAE 编码的图像输入并在解码后处理输出。这包括调整大小、归一化以及 PIL 图像、PyTorch 和 NumPy 数组之间的转换等操作。

所有带有 VaeImageProcessor 的管道都接受 PIL 图像、PyTorch 张量或 NumPy 数组作为图像输入，并根据用户提供的 output_type 参数返回输出。您可以将编码后的图像潜在特征直接传递给管道，并使用 output_type 参数（例如 output_type="latent"）将潜在特征作为特定输出从管道返回。这允许您将一个管道生成的潜在特征传递给另一个管道作为输入，而无需离开潜在空间。它还使得通过在不同管道之间直接传递 PyTorch 张量来更容易地同时使用多个管道。

VaeImageProcessor

class diffusers.image_processor.VaeImageProcessor

< >

( do_resize: bool = True vae_scale_factor: int = 8 vae_latent_channels: int = 4 resample: str = 'lanczos' reducing_gap: int = None do_normalize: bool = True do_binarize: bool = False do_convert_rgb: bool = False do_convert_grayscale: bool = False )

参数

  • do_resize (bool, 可选, 默认为 True) — 是否将图像的 (高度, 宽度) 尺寸缩小为 vae_scale_factor 的倍数。可以接受来自 image_processor.VaeImageProcessor.preprocess() 方法的 height 和 width 参数。
  • vae_scale_factor (int, 可选, 默认为 8) — VAE 缩放因子。如果 do_resize 为 True，图像将自动调整为该因子的倍数。
  • resample (str, 可选, 默认为 lanczos) — 调整图像大小时使用的重采样滤波器。
  • do_normalize (bool, 可选, 默认为 True) — 是否将图像归一化到 [-1,1]。
  • do_binarize (bool, 可选, 默认为 False) — 是否将图像二值化为 0/1。
  • do_convert_rgb (bool, 可选, 默认为 False) — 是否将图像转换为 RGB 格式。
  • do_convert_grayscale (bool, 可选, 默认为 False) — 是否将图像转换为灰度格式。

VAE 图像处理器。

应用叠加

< >

( mask: Image init_image: Image image: Image crop_coords: typing.Optional[typing.Tuple[int, int, int, int]] = None ) → PIL.Image.Image

参数

  • mask (PIL.Image.Image) — 突出显示要叠加区域的遮罩图像。
  • init_image (PIL.Image.Image) — 应用叠加的原始图像。
  • image (PIL.Image.Image) — 要叠加到原始图像上的图像。
  • crop_coords (Tuple[int, int, int, int], 可选) — 裁剪图像的坐标。如果提供，图像将相应裁剪。

返回

PIL.Image.Image

应用叠加后的最终图像。

在原始图像上叠加遮罩和修复后的图像。

二值化

< >

( image: Image ) → PIL.Image.Image

参数

  • image (PIL.Image.Image) — 输入图像，应为 PIL 图像。

返回

PIL.Image.Image

二值化图像。值小于 0.5 的设置为 0，值大于 0.5 的设置为 1。

创建遮罩。

模糊

< >

( image: Image blur_factor: int = 4 ) → PIL.Image.Image

参数

  • image (PIL.Image.Image) — 要转换为灰度的 PIL 图像。

返回

PIL.Image.Image

灰度转换后的 PIL 图像。

对图像应用高斯模糊。

转换为灰度

< >

( image: Image ) → PIL.Image.Image

参数

  • image (PIL.Image.Image) — 要转换的输入图像。

返回

PIL.Image.Image

转换为灰度图像。

将给定的 PIL 图像转换为灰度。

转换为 RGB

< >

( image: Image ) → PIL.Image.Image

参数

  • image (PIL.Image.Image) — 要转换为 RGB 的 PIL 图像。

返回

PIL.Image.Image

RGB 转换后的 PIL 图像。

将 PIL 图像转换为 RGB 格式。

去归一化

< >

( images: typing.Union[numpy.ndarray, torch.Tensor] ) → np.ndarray 或 torch.Tensor

参数

  • images (np.ndarray 或 torch.Tensor) — 要去归一化的图像数组。

返回

np.ndarray 或 torch.Tensor

去归一化后的图像数组。

将图像数组去归一化到 [0,1]。

获取裁剪区域

< >

( mask_image: Image width: int height: int pad = 0 ) → tuple

参数

  • mask_image (PIL.Image.Image) — 遮罩图像。
  • width (int) — 要处理的图像宽度。
  • height (int) — 要处理的图像高度。
  • pad (int, 可选) — 要添加到裁剪区域的填充。默认为 0。

返回

tuple

(x1, y1, x2, y2) 表示一个包含图像中所有遮罩区域并匹配原始宽高比的矩形区域。

查找图像中包含所有遮罩区域的矩形区域，并扩展该区域以匹配原始图像的宽高比；例如，如果用户在 128x32 区域绘制遮罩，并且处理尺寸为 512x512，则该区域将扩展到 128x128。

获取默认高度和宽度

< >

( image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor] height: typing.Optional[int] = None width: typing.Optional[int] = None ) → Tuple[int, int]

参数

  • image (Union[PIL.Image.Image, np.ndarray, torch.Tensor]) — 图像输入，可以是 PIL 图像、NumPy 数组或 PyTorch 张量。如果是 NumPy 数组，其形状应为 [batch, height, width] 或 [batch, height, width, channels]。如果是 PyTorch 张量，其形状应为 [batch, channels, height, width]。
  • height (Optional[int], 可选, 默认为 None) — 预处理图像的高度。如果为 None，将使用 image 输入的高度。
  • width (Optional[int], 可选, 默认为 None) — 预处理图像的宽度。如果为 None，将使用 image 输入的宽度。

返回

Tuple[int, int]

一个包含高度和宽度的元组，两者都已调整为 vae_scale_factor 的最近整数倍。

返回图像的高度和宽度，已缩减到 vae_scale_factor 的下一个整数倍。

归一化

< >

( images: typing.Union[numpy.ndarray, torch.Tensor] ) → np.ndarray 或 torch.Tensor

参数

  • images (np.ndarray or torch.Tensor) — 要标准化的图像数组。

返回

np.ndarray 或 torch.Tensor

标准化的图像数组。

将图像数组标准化为[-1,1]。

numpy_to_pil

< >

( images: ndarray ) → List[PIL.Image.Image]

参数

  • images (np.ndarray) — 要转换为PIL格式的图像数组。

返回

List[PIL.Image.Image]

PIL图像列表。

将NumPy图像或图像批次转换为PIL图像。

numpy_to_pt

< >

( images: ndarray ) → torch.Tensor

参数

  • images (np.ndarray) — 要转换为PyTorch格式的NumPy图像数组。

返回

torch.Tensor

图像的PyTorch张量表示。

将NumPy图像转换为PyTorch张量。

pil_to_numpy

< >

( images: typing.Union[typing.List[PIL.Image.Image], PIL.Image.Image] ) → np.ndarray

参数

  • images (PIL.Image.Image or List[PIL.Image.Image]) — 要转换为NumPy格式的PIL图像或图像列表。

返回

np.ndarray

图像的NumPy数组表示。

将PIL图像或PIL图像列表转换为NumPy数组。

postprocess

< >

( image: Tensor output_type: str = 'pil' do_denormalize: typing.Optional[typing.List[bool]] = None ) → PIL.Image.Image, np.ndarray or torch.Tensor

参数

  • image (torch.Tensor) — 图像输入，应为形状为B x C x H x W的 PyTorch 张量。
  • output_type (str, 可选, 默认为 pil) — 图像的输出类型，可以是 pil、np、pt、latent 之一。
  • do_denormalize (List[bool], 可选, 默认为 None) — 是否将图像反标准化为 [0,1]。如果为 None，将使用 VaeImageProcessor 配置中的 do_normalize 值。

返回

PIL.Image.Image、np.ndarray 或 torch.Tensor

后处理后的图像。

将图像输出从张量后处理为 output_type。

preprocess

< >

( image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, typing.List[PIL.Image.Image], typing.List[numpy.ndarray], typing.List[torch.Tensor]] height: typing.Optional[int] = None width: typing.Optional[int] = None resize_mode: str = 'default' crops_coords: typing.Optional[typing.Tuple[int, int, int, int]] = None ) → torch.Tensor

参数

  • image (PipelineImageInput) — 图像输入，接受的格式为 PIL 图像、NumPy 数组、PyTorch 张量；也接受支持的格式列表。
  • height (int, 可选) — 预处理图像的高度。如果为 None，将使用 get_default_height_width() 获取默认高度。
  • width (int, 可选) — 预处理后的宽度。如果为 None，将使用 get_default_height_width() 获取默认宽度。
  • resize_mode (str, 可选, 默认为 default) — 调整大小模式，可以是 default 或 fill 之一。如果为 default，图像将调整大小以适应指定的宽度和高度，并且可能不保持原始纵横比。如果为 fill，图像将调整大小以适应指定的宽度和高度，保持纵横比，然后将图像居中放置在维度内，并用图像数据填充空余部分。如果为 crop，图像将调整大小以适应指定的宽度和高度，保持纵横比，然后将图像居中放置在维度内，并裁剪多余部分。请注意，调整大小模式 fill 和 crop 仅支持 PIL 图像输入。
  • crops_coords (List[Tuple[int, int, int, int]], 可选, 默认为 None) — 批次中每个图像的裁剪坐标。如果为 None，则不裁剪图像。

返回

torch.Tensor

预处理后的图像。

预处理图像输入。

pt_to_numpy

< >

( images: Tensor ) → np.ndarray

参数

  • images (torch.Tensor) — 要转换为 NumPy 格式的 PyTorch 张量。

返回

np.ndarray

图像的NumPy数组表示。

将 PyTorch 张量转换为 NumPy 图像。

resize

< >

( image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor] height: int width: int resize_mode: str = 'default' ) → PIL.Image.Image, np.ndarray or torch.Tensor

参数

  • image (PIL.Image.Image, np.ndarray or torch.Tensor) — 图像输入，可以是PIL图像、NumPy数组或PyTorch张量。
  • height (int) — 要调整到的高度。
  • width (int) — 要调整到的宽度。
  • resize_mode (str, 可选, 默认为 default) — 要使用的调整大小模式，可以是 default 或 fill 之一。如果为 default，图像将调整大小以适应指定的宽度和高度，并且可能不保持原始纵横比。如果为 fill，图像将调整大小以适应指定的宽度和高度，保持纵横比，然后将图像居中放置在维度内，并用图像数据填充空余部分。如果为 crop，图像将调整大小以适应指定的宽度和高度，保持纵横比，然后将图像居中放置在维度内，并裁剪多余部分。请注意，调整大小模式 fill 和 crop 仅支持 PIL 图像输入。

返回

PIL.Image.Image、np.ndarray 或 torch.Tensor

调整大小后的图像。

调整图像大小。

VaeImageProcessorLDM3D

VaeImageProcessorLDM3D 接受 RGB 和深度输入并返回 RGB 和深度输出。

class diffusers.image_processor.VaeImageProcessorLDM3D

< >

( do_resize: bool = True vae_scale_factor: int = 8 resample: str = 'lanczos' do_normalize: bool = True )

参数

  • do_resize (bool, 可选, 默认为 True) — 是否将图像的（高度，宽度）维度缩小为 vae_scale_factor 的倍数。
  • vae_scale_factor (int, 可选, 默认为 8) — VAE 缩放因子。如果 do_resize 为 True，图像将自动调整大小为该因子的倍数。
  • resample (str, 可选, 默认为 lanczos) — 调整图像大小时使用的重采样滤镜。
  • do_normalize (bool, 可选, 默认为 True) — 是否将图像标准化为 [-1,1]。

用于 VAE LDM3D 的图像处理器。

depth_pil_to_numpy

< >

( images: typing.Union[typing.List[PIL.Image.Image], PIL.Image.Image] ) → np.ndarray

参数

  • images (Union[List[PIL.Image.Image], PIL.Image.Image]) — 要转换的输入图像或图像列表。

返回

np.ndarray

转换后图像的 NumPy 数组。

将PIL图像或PIL图像列表转换为NumPy数组。

numpy_to_depth

< >

( images: ndarray ) → List[PIL.Image.Image]

参数

  • images (np.ndarray) — 输入深度图像的 NumPy 数组，可以是单张图像或批次。

返回

List[PIL.Image.Image]

从输入的 NumPy 深度图像转换而来的 PIL 图像列表。

将 NumPy 深度图像或图像批次转换为 PIL 图像列表。

numpy_to_pil

< >

( images: ndarray ) → List[PIL.Image.Image]

参数

  • images (np.ndarray) — 输入图像的 NumPy 数组，可以是单张图像或批次。

返回

List[PIL.Image.Image]

从输入的 NumPy 数组转换而来的 PIL 图像列表。

将 NumPy 图像或图像批次转换为 PIL 图像列表。

preprocess

< >

( rgb: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray] depth: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray] height: typing.Optional[int] = None width: typing.Optional[int] = None target_res: typing.Optional[int] = None ) → Tuple[torch.Tensor, torch.Tensor]

参数

  • rgb (Union[torch.Tensor, PIL.Image.Image, np.ndarray]) — RGB 输入图像，可以是单张图像或批次。
  • depth (Union[torch.Tensor, PIL.Image.Image, np.ndarray]) — 深度输入图像，可以是单张图像或批次。
  • height (Optional[int], 可选, 默认为 None) — 处理后图像的所需高度。如果为 None，则默认为输入图像的高度。
  • width (Optional[int], 可选, 默认为 None) — 处理后图像的所需宽度。如果为 None，则默认为输入图像的宽度。
  • target_res (Optional[int], 可选, 默认为 None) — 图像调整大小的目标分辨率。如果指定，将覆盖高度和宽度。

返回

Tuple[torch.Tensor, torch.Tensor]

包含处理后的 RGB 和深度图像（PyTorch 张量格式）的元组。

预处理图像输入。接受的格式为 PIL 图像、NumPy 数组或 PyTorch 张量。

rgblike_to_depthmap

< >

( image: typing.Union[numpy.ndarray, torch.Tensor] ) → Union[np.ndarray, torch.Tensor]

参数

  • image (Union[np.ndarray, torch.Tensor]) — 要转换的 RGB 类似深度图像。

返回

Union[np.ndarray, torch.Tensor]

对应的深度图。

将 RGB 类似深度图像转换为深度图。

PixArtImageProcessor

class diffusers.image_processor.PixArtImageProcessor

< >

( do_resize: bool = True vae_scale_factor: int = 8 resample: str = 'lanczos' do_normalize: bool = True do_binarize: bool = False do_convert_grayscale: bool = False )

参数

  • do_resize (bool, 可选, 默认为 True) — 是否将图像的（高度，宽度）维度缩小为 vae_scale_factor 的倍数。可以接受来自 image_processor.VaeImageProcessor.preprocess() 方法的 height 和 width 参数。
  • vae_scale_factor (int, 可选, 默认为 8) — VAE 缩放因子。如果 do_resize 为 True，图像将自动调整大小为该因子的倍数。
  • resample (str, 可选, 默认为 lanczos) — 调整图像大小时使用的重采样滤镜。
  • do_normalize (bool, 可选, 默认为 True) — 是否将图像标准化为 [-1,1]。
  • do_binarize (bool, 可选, 默认为 False) — 是否将图像二值化为 0/1。
  • do_convert_rgb (bool, optional, 默认为 False) — 是否将图像转换为 RGB 格式。
  • do_convert_grayscale (bool, optional, 默认为 False) — 是否将图像转换为灰度格式。

PixArt 图像处理器，用于图像大小调整和裁剪。

classify_height_width_bin

< 源码 >

( height: int width: int ratios: dict ) → Tuple[int, int]

参数

  • height (int) — 图像的高度。
  • width (int) — 图像的宽度。
  • ratios (dict) — 字典，其中键为纵横比，值为 (高度, 宽度) 的元组。

返回

Tuple[int, int]

最接近的已分箱高度和宽度。

根据纵横比返回已分箱的高度和宽度。

resize_and_crop_tensor

< 源码 >

( samples: Tensor new_width: int new_height: int ) → torch.Tensor

参数

  • samples (torch.Tensor) — 形状为 (N, C, H, W) 的张量，其中 N 为批量大小，C 为通道数，H 为高度，W 为宽度。
  • new_width (int) — 输出图像的期望宽度。
  • new_height (int) — 输出图像的期望高度。

返回

torch.Tensor

包含已调整大小和裁剪图像的张量。

将图像张量调整大小并裁剪到指定尺寸。

IPAdapterMaskProcessor

class diffusers.image_processor.IPAdapterMaskProcessor

< 源码 >

( do_resize: bool = True vae_scale_factor: int = 8 resample: str = 'lanczos' do_normalize: bool = False do_binarize: bool = True do_convert_grayscale: bool = True )

参数

  • do_resize (bool, optional, 默认为 True) — 是否将图像的 (高度, 宽度) 维度缩小为 vae_scale_factor 的倍数。
  • vae_scale_factor (int, optional, 默认为 8) — VAE 缩放因子。如果 do_resize 为 True，图像将自动调整大小为该因子的倍数。
  • resample (str, optional, 默认为 'lanczos') — 调整图像大小时使用的重采样滤波器。
  • do_normalize (bool, optional, 默认为 False) — 是否将图像归一化到 [-1,1]。
  • do_binarize (bool, optional, 默认为 True) — 是否将图像二值化为 0/1。
  • do_convert_grayscale (bool, optional, 默认为 True) — 是否将图像转换为灰度格式。

IP Adapter 图像遮罩的图像处理器。

下采样

< 源码 >

( mask: Tensor batch_size: int num_queries: int value_embed_dim: int ) → torch.Tensor

参数

  • mask (torch.Tensor) — 使用 IPAdapterMaskProcessor.preprocess() 生成的输入遮罩张量。
  • batch_size (int) — 批量大小。
  • num_queries (int) — 查询的数量。
  • value_embed_dim (int) — 值嵌入的维度。

返回

torch.Tensor

下采样后的遮罩张量。

将提供的遮罩张量下采样以匹配缩放点积注意力机制的预期维度。如果遮罩的纵横比与输出图像的纵横比不匹配，则会发出警告。

< > 在 GitHub 上更新

←实用工具 视频处理器→
© . This site is unofficial and not affiliated with Hugging Face, Inc.