2image_to_image.py

#导入的python模块
import json
import os
import time
import random

import gradio as gr
import numpy as np  #NumPy 是 Python 中用于科学计算用于数组操作的各种函数和工具集成 C/C++ 和 Fortran 代码的工具。
import requests

#导入Python中用来导入PIL库,提供图像处理，调整大小 打开 保存 旋转 合并等
from PIL import Image

#定义变量
URL = "http://127.0.0.1:8188/prompt"
INPUT_DIR = "D:\\AI\\ComfyUI_windows_portable\\ComfyUI\\input"
OUTPUT_DIR = "D:\\AI\\ComfyUI_windows_portable\\ComfyUI\\output"


#定义获取最新图像的逻辑方法，用于之后下面函数的调用
def get_latest_image(folder):
    files = os.listdir(folder)
    image_files = [f for f in files if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
    image_files.sort(key=lambda x: os.path.getmtime(os.path.join(folder, x)))
    latest_image = os.path.join(folder, image_files[-1]) if image_files else None
    return latest_image

#开始获取请求进行编码
def start_queue(prompt_workflow):
    p = {"prompt": prompt_workflow}
    data = json.dumps(p).encode('utf-8')
    requests.post(URL, data=data)

#开始生成图像，前端UI定义所需变量传递给json
def generate_image(llava纯自然语言提示词反推,风格迁移,prompt_text_positive,prompt_text_negative):

        # 检查输入图像数据的类型和形状
       print("llava纯自然语言提示词反推类型和形状：", type(llava纯自然语言提示词反推), llava纯自然语言提示词反推.shape)
       print("风格迁移类型和形状：", type(风格迁移), 风格迁移.shape)
             
       with open("SDXL_comics_llava.json","r", encoding="utf-8") as file_json:
        prompt = json.load(file_json)


        prompt["64"]["inputs"]["seed"] = random.randint(1, 1500000000000000) #定义种子随机数1到1500000，json的参数传递给comfyUI
        prompt["74"]["inputs"]["seed"] = random.randint(1, 1500000000000000)
        prompt["76"]["inputs"]["text_positive"] = f"digital artwork of a {prompt_text_positive}"
        prompt["76"]["inputs"]["text_negative"] = f"digital artwork of a {prompt_text_negative}"
        
        # 保存第一张图像，文件名为"test_api.jpg"
        Image.fromarray(llava纯自然语言提示词反推).save(os.path.join(INPUT_DIR, "test_api.jpg"))
        # 保存第二张图像，文件名为"image_api.jpg"
        Image.fromarray(风格迁移).save(os.path.join(INPUT_DIR, "image_api.jpg"))

        prompt["69"]["inputs"]["image"] = "test_api.jpg"  # 指定第一张图像的文件名
        prompt["61"]["inputs"]["image"] = "image_api.jpg"  # 指定第二张图像的文件名
   

       previous_image = get_latest_image(OUTPUT_DIR)  # 推理出的最新输出图像保存到指定的OUTPUT_DIR变量路径


       start_queue(prompt)

    #这是一个循环获取指定路径的最新图像，休眠·一秒钟后继续循环
       while True:
            latest_image = get_latest_image(OUTPUT_DIR)
            if latest_image != previous_image:
                return latest_image
            
            time.sleep(1)

demo = gr.Interface(fn=generate_image, inputs=["image","image","text","text"], outputs=["image"])

demo.launch(share=True)#创建URL公共链接，使用的是huggingface空间