Extensions/MOSS BBox Enhancer
ComfyUI Extension

MOSS BBox Enhancer

MOSS 布局 JSON 导入与可视化边界框编辑：面板手绘深度图/深度图层、背景图裁剪、DWPose 人体部位识别、尺寸映射与按框色绘制。

By Yumu2497·Created 11 days ago·Updated a day ago· 6
Yumu2497/MOSS_BBox_Enhancer
Nodes—
On cloudLocal install
Stars6
Updateda day ago
Readme

MOSS BBox Enhancer

v1.8.5

用于 ComfyUI 的 MOSS 布局 JSON 导入、边界框编辑、尺寸映射和按框色绘制边界框的插件。

功能

  • 从 MOSS JSON 生成官方边界框元素数组。
  • 在节点面板中可视化编辑边界框。
  • 支持新增、删除、移动、缩放、框选多选、Alt 拖拽复制、锁定边界框。
  • 支持文字框、描述、标签和调色板编辑。
  • 支持对象 / 角色 / 文字三种条目类型。
  • 支持撤销 / 重做（顶部工具条右侧的 ↶ ↷）和方向键微移。
  • 支持右侧边界框列表拖动排序。
  • 属性面板可独立悬浮并拖动，面板位置与尺寸会记住。
  • 支持多张背景图（各自独立的位置/尺寸/透明度/裁剪/显隐/锁定，可拖动排序）、导入、粘贴、画布模式设置；背景图以 WebP（长边 ≤1600、质量 0.8）存进 node.properties.moss_bg，重开工作流不丢。点工具条的背景图按钮直接进入背景图模式（按钮变蓝，下方出现工具条），拖动或拉伸背景图时遵循顶部「无吸附 / 对象吸附 / 网格吸附」：对象吸附对齐画布与各边界框的边/中线（含等距），网格吸附对齐网格线，按住 Alt 临时关闭；命中时画出和框一致的蓝色虚线辅助线。背景图本身可以裁剪：点工具条「裁剪」拖橙色框圈出可见区域，只影响显示、不动原图，Alt + 点「裁剪」恢复整图。
  • 支持从生成图片的 PNG 元数据中提取提示词和布局信息。
  • 支持固定坐标、等比缩放和暴力拉伸三种尺寸映射方式。
  • 支持根据 JSON 中的边界框自动推测原始画布尺寸。
  • 支持给每个框单独设置颜色，并按颜色把框绘制到图片上。
  • 支持提示词预设：内置人体部位、漫画对话框、平面贴图、层级、方向五组，可多选套用，也能自定义类型与内容；写入时可按类型自动带上 类型名： 前缀。
  • 支持角色：在主提示词里维护一份「角色名，描述」清单，可增删改；属性面板选中角色后自动把 角色名， 加到框描述最前面。纯文本改动，不给 JSON 加字段。
  • 支持提示词模板：把整段主提示词存成命名模板，点一下覆盖、Shift 点击追加，可改名和删除。
  • 支持从背景图识别人体部位：DWPose wholebody 出 133 个关键点，取包围盒得到面部 / 肘部 / 手部 / 胯部 / 膝部 / 脚部六类矩形（不区分左右），多人自动编号。
  • 支持手绘深度图：面板里用 5 档灰阶涂抹远近（白=近），输出可直接接 Depth ControlNet；也能导入现成深度图再改。

节点

MOSS 布局编辑器

输入 MOSS 布局 JSON，输出：

  • 元素数组：官方画布使用的归一化元素数组。
  • 主提示词：summary.caption 中的主提示词。
  • 完整提示词：包含边界框时输出完整 JSON，否则输出纯文本提示词。
  • 边界框：绘制用的边界框数组，每项为 {x, y, width, height, metadata, color}，可直接连到「MOSS 绘制边界框」。它的 metadata 只有 type / text / desc，不包含 palette。
  • 画布宽度 / 画布高度：本次执行实际使用的画布尺寸（INT）。接了 image 并开启「使用背景图并修改尺寸」时，输出的是图片宽高。

边界框 里的颜色来自面板里的「框色」（属性面板中，与调色板无关）：设置后画布描边也会用该颜色。颜色是框的附加属性，不写入 layout_json，只在这个输出里携带。这个输出也能直接连到官方「创建边界框」的 bboxes 输入——官方会读 x/y/width/height/metadata，color 被忽略。

各输出里颜色的归属是固定的：元素数组 的 color_palette 只放 JSON 里的调色板（构图信息，原样搬运，不会追加框色）；框色只出现在 边界框 的 color 字段里。没设颜色的条目不输出 color。

可选连接 image 输入后，插件可以使用图片尺寸作为画布尺寸，并将图片显示为编辑面板背景。

节点上的 preview 开关（默认开）控制执行后是否在节点下方显示画布预览：按当前画布尺寸画一张图，每个框用各自的颜色描边、左上角标序号；接了 image 时直接画在图片上。预览最长边 768px，等比缩小，存到 ComfyUI 的 temp 目录，不写入工作流。关掉就完全不生成图片。

选中多个框后拖动其中任意一个，整组会一起移动并保持相对位置；锁住的框不跟着动，整组贴到画布边界时会一起停住。

面板可以拖标题栏移动，四条边和四个角都能拖动缩放，宽度不会超出视口；高度不再被自动压矮，往下拖标题栏时面板可以临时沉到屏幕下方，抓住标题栏拖回来即可。把标题栏拖到上边界时按指针位置分三段贴靠：左 / 中 / 右 1/3 分别占左 / 中 / 右 2/3；拖到左右边界则各占半屏。右栏和节点上都带一个「分辨率」选择器：手动输入 / 按像素 / 按比例三种方式，按像素时给百万像素和倍数（8/16/32/64），按比例时选宽高比再填一边、另一边自动。节点上仍然只有「画布宽度 / 画布高度」两个输入框；分辨率选择器放在画布右侧面板里。在边缘停住约 0.3 秒才亮出半透明预览框（快速扫过不会闪），松手才生效并平滑展开到目标尺寸；从贴靠状态拖出来会恢复贴靠前的尺寸。面板打开 / 关闭带轻微的缩放淡入淡出。右侧「主提示词」框最多拉到右边栏高度的 3/4，再高也不会把下面的框列表挤出面板。

选择与快捷键

| 操作 | 效果 | |---|---| | 拖空白处 | 新建一个框，朝左上 / 右上 / 左下 / 右下任意方向都能拖出；拖动中越过起点会自动换向 | | Shift + 拖空白处 | 框选，与选框相交的框全部选中；Ctrl 叠加为追加框选 | | Ctrl + 点击框 / 数字标签 | 增减单个框到选区 | | Alt + 拖动框 | 复制选中的框，拖动的是副本，原件留在原处 | | Ctrl + A | 全选所有框 | | Ctrl + D | 原地复制选中的框（副本与原件重合，复制后处于选中状态，可直接拖走） | | Esc | 取消选择；框选拖到一半时作废这次框选 | | Ctrl + C / Ctrl + V | 复制框到系统剪贴板 / 粘贴框或背景图 | | Delete / Backspace | 删除选中框 | | 方向键 / Shift + 方向键 | 微移 1px / 一个吸附步长 |

复制出来的框会继承原框的颜色、标签、描述和调色板等信息。快捷键只在编辑面板打开、且焦点不在文本输入框里时生效。

按住 Alt / Ctrl / Shift 时，画布顶部会弹出该组快捷键的文字提示，松开即收起；每次快捷键操作（复制、粘贴、全选、原地复制、删除、框选、微移、撤销等）完成后，也会在同一位置短暂显示操作结果，例如「已复制 2 个框」。提示不拦截鼠标事件，不影响画布操作。

提示词预设

属性面板里「框色」右侧有一个「提示词预设」按钮，位置在「描述」输入框上方，点开是分组弹层：

  • 点标签只是选中，可以多选；点右上角「写入」才把选中标签的文本写进当前选中框的描述。写入左边的「取消选中」清空已选标签，不会改动描述。

  • 标题栏下方有一条预览，按选中顺序拼出真正会写入的文本（先选的排在前面，用 , 连接），选得多时可以在这条里上下滚动。

  • 写入默认追加到原描述后面（用 , 连接）；**按住 Shift 点「写入」**则覆盖整个描述。写入后清空选中并关闭弹层。

  • 类型前缀：「漫画对话框」和「平面贴图」写入时会自动带上 类型名：，例如 漫画对话框：气泡、平面贴图：黑色打码线条，这两组的标题显示为红色。自己新建的类型默认不带前缀，新建时勾选「带前缀」才会带（我的类型：我的预设），勾选过的类型标题同样是红色。人体部位、层级默认不带前缀，方向仍按起点 / 终点配对。

  • Alt + 点击标签可以逐项反转前缀：默认带的改成不带（气泡），默认不带的改成带（人体部位：头部）。反转只作用于本次选中的这一项，选中后标签左侧的小红点表示会带前缀；方向的两半不参与前缀切换。

  • 弹层最高 68vh，标签多出来时往下滚动即可；顶部「取消选中 / 写入」这一行固定不动，不用滚回顶部。

  • 标签本身写什么就是什么，不做中英转换；预设也不会自动切换对象 / 角色 / 文字类型，特殊用途可以自己搭配。

  • 内置五组：人体部位（头部、胸部、臀部、胯部、肘部、手部、膝盖、脚部）、漫画对话框（气泡、爆炸、思考气泡、耳语气泡、呐喊气泡、心形气泡、颤抖气泡、旁白框、矩形对话框、圆角对话框、竖排文字框、黑底白字框）、平面贴图（黄色柴犬狗头表情包、猫猫头表情包、黑色打码线条）、层级（前景、中景、后景、背景）、方向（16 项）。

  • 「方向」组按起点 / 终点分成两段（段首有标签），每段各占两行：第一行是四个正方向「从左 / 从右 / 从上 / 从下」，第二行是四个斜方向「从左上 / 从左下 / 从右上 / 从右下」（终点同理，第二行从「到左上」开始）。这样每行都是 4 个，不会因为面板宽度把斜方向拆成 5 + 3 的参差样子。

  • 起点和终点会两两拼成一段：从左 + 到右 → 从左到右，段内不加逗号。两行的点击先后不影响结果，先点终点再点起点同样是 从左到右；段的位置取两半里先被选中的那个位置。

  • 一次选多组也可以：第 1 个起点配第 1 个终点、第 2 个配第 2 个，段与段之间才用 , （例如 从左到右, 从上到下）。只选了一头时按原样单独写入，预览下方会提示「还有 1 个起点没配对」。

  • 其他分组仍是单行平铺，选中几个就写几个；用户自定义项会额外占一行，并且不参与配对。

  • 自定义预设：弹层底部先选类型，再填内容，点「添加」即可；类型下拉里选「+ 新建类型」可以只建空类型，也可以直接带着内容一起创建，旁边的「带前缀」勾选框决定这个类型写不写 类型名：。自定义项右上角有 × 可删除，内置项只读。往内置类型里加的项跟随该类型是否带前缀（漫画对话框、平面贴图带，其他不带）。自建类型的标题鼠标移上去会高亮，交互和插件里的标签一致：双击标题改名（回车确认，Esc 取消，重名会被拒绝），右键标题删除；也可以单击标题，约 0.4 秒后右侧滑出 × 再点它。删除会弹出确认框，确认后连同该类型下的所有预设一起删除，改名后前缀跟着新名字走；内置类型不能整组删除。

内置预设在 web/src/panel/preset-data.js，随仓库一起发布；自定义的类型和内容存在插件根目录的 user_presets.json，该文件已加入 .gitignore，不会进仓库，插件升级也不会被覆盖。如果插件目录不可写，会降级存到浏览器本地存储并给出提示。

预设只改框的 caption（描述），走正常保存流程因此可以撤销；不会碰 text、palette、框色，也不会给 layout_json 增加字段。

角色

右栏顶部是三层列表的页签 框 / 背景 / 深度（带数量角标）：框是边界框，背景是背景图层（可多张），深度是深度图图层。三者共用一套行样式（拖动柄、锁、眼睛、双击改名、右键删除），但数据各归各的，互不影响。深度页里点任意一行会自动进入深度模式，点背景那行则进入背景图模式。

右栏「🎭 角色」卡片用来维护本次创作的角色清单，和属性面板里「对象 / 角色 / 文字」的那个类型不是一回事——它只是提示词层面的临时预设。

  • 增加：点「＋ 增加角色」，填角色名和描述（如 少女A / 坐姿），确定后往主提示词末尾追加一行 少女A，坐姿（空行分隔）；提示词里已经有同名行时就地改写，不会加出第二行。描述框是多行的（Enter 换行、Ctrl+Enter 提交），写进主提示词时会压成一行，保证「一行一个角色」。
  • 修改：双击角色行，或点行尾的 ✎；改完替换主提示词里对应的那一行，行序不变。改名时，各个框描述开头引用了旧名字的前缀会一起换成新名字（只动开头，正文里同名的词不碰），提示会显示同步了几个框。
  • 多行描述：对话框里可以换行，写进主提示词时按「一行一个角色」压成单行（换行变空格）。在对话框里来回改不会丢换行（同步时两边压平后再比较，判定没变就不回写）；只有你直接在提示词里改那一行，描述才会变成单行。
  • 反向同步：直接在主提示词里改角色那一行（比如把 少女A，红发 改成 少女A，蓝发），松手 300ms 后角色列表里的描述会跟着变。识别规则是「行首是已有角色的名字 + 中/英文逗号」，所以普通正文不会被误判；把那一行整行删掉时，角色本身保留（要删角色请点 ×，否则会连带清掉框描述里的前缀）。多行描述写进提示词时被压成一行，这种「压平后相同」的情况不算改动，不会把你对话框里的换行吃掉。
  • 删除：右键角色行，或点行尾的 ×；主提示词里按名字定位那一行移除——手改过描述也能删干净，重复行一起去，删完自动收掉多余空行。
  • 绑定到框：属性面板「描述」上方的角色下拉，选中后把 角色名， 插到描述最前面，换角色时替换旧前缀，选「（不指定）」移除。下拉的回显靠解析描述开头，所以手改描述后会自动回到「（不指定）」。

角色清单存在 node.properties.moss_characters，跟着工作流保存，但不会写进 layout_json：顶层仍然只有 summary 和 items，items 也仍然只有 label / caption / bbox / text / color / palette / tags 这些原有字段。原因是底层模型只认官方 schema，能在文本层做的就不动结构。

删除角色时，框描述开头的 角色名， 前缀会一起清掉（只动开头，正文里同名的词不碰），避免框还挂着一个已经不存在的角色；主提示词里对应的那一行同样移除。

提示词模板

和「提示词预设」不是一个东西：预设改的是框描述里的标签，模板换的是整段主提示词。

主提示词卡片右上角有一个 📚 按钮，点开是模板弹层：

  • 保存当前：把当前 summary.caption 整段存成模板。名字留空时自动取主提示词第一行；同名会覆盖并提示「已覆盖模板」。
  • 套用：点模板条目直接替换主提示词；按住 Shift 点击则追加到末尾。走正常输入流程，可以 Ctrl+Z 撤销。
  • 编辑 / 删除：✎ 打开编辑弹窗，上面是模板名、下面是整段主提示词的多行文本框（Ctrl+Enter 保存、Esc 取消、重名拒绝），× 直接删除。

模板和标签预设共用插件根目录的 user_presets.json，分别存在 templates 和 groups 两个分区。保存接口是「带哪个字段就更新哪个」，所以保存其中一套不会影响另一套。这个文件同样在 .gitignore 里，不进仓库。

节点还提供“导入图片中的提示词 JSON”按钮，可从带有 ComfyUI 生成参数的图片中提取 MOSS JSON、官方边界框或文本提示词。点击后先选导入范围，再选图片：

  • 导入完整提示词：主提示词、全部 bbox 与布局一起导入，覆盖当前内容（原来的行为）；
  • 仅导入主提示词：只替换主提示词，保留现有 bbox 与画布尺寸；
  • 仅导入 bbox 及其布局：只替换 bbox、布局与画布尺寸，保留现有主提示词。

后两种用于“图片里的框我不想要，只要提示词”或“提示词我自己写，只要框”的场景；图片里没有对应内容时会提示并停手，不会把现有内容清空。

主提示词 和 完整提示词 都是字符串输出，可以直接连接到正向提示词输入或正向文本编码节点：

  • 使用 主提示词：只传递整体画面描述。
  • 使用 完整提示词：包含边界框时传递完整 MOSS 布局提示词，没有边界框时等同于主提示词。

识别人体部位

点工具条上的背景图按钮进入背景图模式，下方工具条里有「识别人体」按钮：对当前背景图跑一次 DWPose wholebody，得到 133 个关键点，再按部位取包围盒，直接追加到画布。

133 点的分布：身体 0-16、脚 17-22、脸 23-90、左手 91-111、右手 112-132。不区分左右，只出六类：

| 部位 | 怎么来的 | 说明 | |---|---|---| | 面部 | 68 个脸部点的包围盒，外扩 12% | 像素级，不受朝向影响 | | 手部 | 每只手 21 个点的包围盒，外扩 15% | 两只手各出一个框 | | 脚部 | 踝 + 大趾 + 小趾 + 脚跟 4 点包围盒 | 两只脚各出一个框 | | 肘部 | 肘关节为中心，边长 = 身高 × 0.08 | 关键点只有位置，尺寸按比例给 | | 膝部 | 膝关节为中心，边长 = 身高 × 0.08 | 同上 | | 胯部 | 两髋中点，宽 = 髋距 × 1.35，高 = 身高 × 0.12 | 胯只有一个框 |

脸、手、脚的框尺寸来自像素（关键点自己撑出来的），所以前景的脚会明显比远景的大——这是「透视」在数据上的正确表现，不是按身高比例猜的。 肘、膝、胯没有形状可言，只能按人体高度给比例，所以识别按钮下面的「关节框缩放」只作用于这三类。

  • 多人自动编号：人物1，面部、人物2，手部（同一人的两只手都是「手部」，靠位置区分）。
  • 关键点置信度低于 0.3 的点不参与；某组有效点太少、或撑出的框大于身高的 0.5~0.7 倍（说明点散了、没测准）就不出这个框。
  • 检测置信度默认 0.5（可在请求里调）；只有零散肢体的检测会被忽略：既没有面部也没有胯部就整套丢弃。
  • 识别完会在「🎭 角色」里补上 人物1、人物2 占位（同名复用），补个描述就能用下拉绑定。
  • 正向一个都没检出时会自动换朝向再试（逆/顺时针 90°、180°、水平翻转），命中后把关键点映射回原图。
  • 框是一次性快照：之后拖动 / 缩放背景图，框不会跟随，需要重新识别。

模型：models/ 下需要两个文件（已加入 .gitignore，不进仓库）：

| 文件 | 作用 | 大小 | CPU 耗时 | |---|---|---|---| | yolox_m_8xb8-300e_humanart-c2c7a14a.onnx | 人体检测（HumanArt，含插画） | 97MB | ~0.15s | | rtmw-dw-x-l_simcc-cocktail14_270e-256x192_20231122.onnx | 133 点姿态（RTMW-x） | 219MB | ~0.2s/人 |

首次识别会自动下载这两个文件：页面顶部弹出常驻提示并显示合计百分比，下完提示自动消失，然后直接开始识别。走 hf-mirror.com，失败回退 huggingface.co；先写 .part 再原子改名，中断不会留半截文件。只需下载一次。

想手动准备也可以用：

# 检测（97MB）
curl -L -o models/yolox_m_8xb8-300e_humanart-c2c7a14a.onnx \
  https://hf-mirror.com/Claquasse/Anima-Control-Pose/resolve/main/detector/yolox_m_8xb8-300e_humanart-c2c7a14a.onnx

# 姿态（219MB）
curl -L -o models/rtmw-dw-x-l_simcc-cocktail14_270e-256x192_20231122.onnx \
  https://hf-mirror.com/Claquasse/Anima-Control-Pose/resolve/main/detector/rtmw-dw-x-l_simcc-cocktail14_270e-256x192_20231122.onnx

推理走 onnxruntime（有 CUDA 用 GPU，否则自动退回 CPU），不依赖 torch / rtmlib / mmcv——预处理、仿射裁剪、simcc 解码都在 MOSS_Pose.py 里实现。

换模型：不用改代码

  • 文件按通配符找，优先顺序：检测 *humanart*.onnx → *yolox*.onnx；姿态 *rtmw*.onnx → *dwpose*.onnx → *wholebody*.onnx。同目录有多个时按文件名排序取第一个，想指定就只留一个。
  • 输入尺寸从 ONNX 读：检测的 H/W、姿态的 W/H、长宽比、simcc 倍数（simcc_x 长度 ÷ 输入宽）全部在加载时读取。所以 256x192、384x288、416、640 这些版本都能直接放进去。
  • 只接受 133 点 wholebody（身体 17 + 脚 6 + 脸 68 + 双手各 21）。换成 17 点 body、26 点 halpe 会在加载时直接报错并说明原因，不会算出乱框。
  • 检测模型必须自带 NMS（输出 [N,5] + labels）。拿到的是原始网格输出（[1,8400,85]）会明确报错，提示换带 NMS 的导出。

例如想更快，把 yolox_m（640）换成 yolox_tiny（416）再放一个 rtmw-dw-l-m_..._256x192.onnx，只需删旧文件、放新文件，重启即可。

这两个权重来自 mmpose 的 DWPose（Apache-2.0），上面的地址只是镜像。之前版本的 yolov8m-pose.onnx / yolov8n-pose.onnx 已经不再使用，可以直接删掉。

手绘深度图

bbox 能定位置，但定不了空间关系。深度图补的就是这一块：在面板里直接画一张灰度深度图，从节点新输出的「深度图」接 Depth ControlNet。

入口：工具条上的四段灰阶按钮（在「背景图」按钮右边）。点一下进入深度模式，按钮变蓝、下方出现深度工具条；切进去之后画布上叠一层深度图层，bbox 只留轮廓当参考，不会误选。两种模式互斥，进一个会自动退出另一个。

五档灰阶（白 = 近，黑 = 远，和 MiDaS / Depth-Anything / 主流 Depth ControlNet 一致）：

| 档位 | 值 | 含义 | |---|---|---| | 1 | 255 | 最近 | | 2 | 192 | 近 | | 3 | 128 | 中（也是未涂区域的底色） | | 4 | 64 | 远 | | 5 | 0 | 最远 |

色块只是快捷入口，旁边的「灰度」滑块可以在 0~255 之间连续取值，两者双向同步：点色块滑块跟着走；滑块正好停在 255 / 192 / 128 / 64 / 0 上时，对应色块自动高亮，停在别的值上就都不亮，提示当前是自定义灰阶。

工具：灰度滑块（0~255）、笔刷大小（4~240）、移动、橡皮（涂回中灰）、填充（把当前选中的 bbox 填成当前灰阶，椭圆）、清空、导入、导出 PNG、图层列表、删层、裁剪、层灰度（撤销 / 重做由顶部那两颗按钮接管，深度条上不再重复放）。灰度和笔刷的数值都支持双击直接输入，回车或点别处生效，Esc 放弃；超出范围会夹到上下限。

快捷键：1~5 选灰阶，[ ] 调笔刷，E 橡皮。撤销 / 重做只用工具条按钮（深度模式下顶部的 ↶ ↷ 会自动切到深度图的栈，Shift + 点击则强制撤回画布）——Ctrl+Z 是 ComfyUI 自己的「撤销工作流」，在捕获阶段就被它吃掉，面板这边既抢不到也没法屏蔽（硬拦反而会把工作流一起撤回去），所以干脆不绑。

导入（作为图层）：

  • 深度模式下 Ctrl+V 直接粘贴深度图；框选模式下粘贴仍是背景图——按当前模式分流，不弹窗；焦点不在画布上时同样按模式分流（以前这种情况会一律当背景图，还会顺手把背景图模式打开）；也可以点工具条「导入」选文件；
  • 导入的是一个新图层，不会覆盖已经画好的笔刷内容。按原比例缩到画布内并居中（比画布大就缩小，比画布小保持原始像素），导入后自动切到「移动」工具，直接在画布上拖着对位；导入本身也进撤销栈，按错了能退回去；
  • 选中图层有 8 个控制点（四角 + 四边中点），拖它们缩放；缩放以对边为基准，最小 8px，不会翻转；
  • 移动和缩放会按顶部的无吸附 / 对象吸附 / 网格吸附吸附：对象吸附对齐画布四边与中线、以及其它图层的边/中线，网格吸附对齐网格线，只有「无吸附」时完全自由；命中画蓝色虚线，按住 Alt 临时关闭；
  • 图层列表在右侧栏的「深度」页（不再是工具条弹层）：从顶到底排列，按住 ≡ 上下拖就能改遮挡顺序（上面的盖住下面的）。每行有 锁（锁定后画布上不能拖动/缩放、也不接受笔刷）和 ●/○（显示/隐藏）；双击名称就地改名；右键删除（可撤销）；Ctrl/Cmd/Shift + 点击多选，选中 2 个以上时底部出现「隐藏 / 锁定 / 删除」批量条。列表最底下那行是 笔刷层（最底层），选中它就回到不依附任何图层的地板层；选中任意一行会自动进入深度模式；
  • 层灰度：选中某层后拖工具条上的「层灰度」（-128~+128），整层一起变黑或变白——负值更黑（更远），正值更白（更近）。它不改原图，只影响这一层的显示与合成结果，所以随时能拖回 0 恢复；
  • 「删层」删掉选中图层，底层笔刷不受影响；
  • 选中某个图层时，笔刷 / 橡皮 / 填充都画在这一层上（不再落到最底层），撤销也会连这层的位图一起回滚；
  • 裁剪：点「裁剪」进入裁剪模式，橙色框是保留区域，被裁掉的部分压暗显示；拖框或拖 8 个控制点调整，只能裁小不能超出图层。裁剪只改可见区域，原图位图不动，随时能拉回来；按住 Alt 点「裁剪」恢复整层；
  • 彩色图会按亮度转灰度并提示；
  • 撤销 / 重做走深度图自己的栈，覆盖笔刷、图层位置与尺寸、裁剪、增删图层、清空；按类型记最小差量，移动缩放这类只占几十字节，不额外编码位图。

输入：节点上有可选的 depth_image（IMAGE）输入。接上之后会自动按画布宽高缩放、按亮度转成三通道灰度（白=近，黑=远，多张只取第一张）；执行完成后面板会把它当成一个图层注入，打开面板就能直接拖着对位、继续在上面画。文件名带内容哈希，同一个来源只注入一次，不会每次执行都叠一张。

输出：节点第 7 个输出「深度图」（IMAGE，尺寸 = 画布宽高，三通道同值）。输出的是合成结果：笔刷层打底，再按图层顺序盖上所有可见图层，超出画布的部分会被裁掉。

取值优先级：面板内容 → 节点接的 depth_image → 中灰 0.5。面板里有东西就用面板（合成图，含你拖过的位置和手绘笔迹），面板是空的才用节点输入的图；都没有就输出中灰，代表「未指定」，避免整张全黑被当成「全部极远」。

面板里的合成图存在隐藏控件 depth_png（base64 PNG）里；图层的结构（每张图层的位图 + 位置尺寸）另外存在 node.properties.moss_depth，所以刷新浏览器、重开工作流之后仍然是可以继续移动和缩放的图层，不会被拍平成一张扁图。老工作流没有这份结构时，退回把 depth_png 当扁平笔刷层读取。这个控件在节点上不显示，也不占高度，layout_json 完全不受影响。外部输入注入图层时不会立刻写回 depth_png，所以第一次执行就能直接输出你接进来的图，不用「再跑一次才对」；你真正拖动或涂抹之后才提交合成结果。

存储：隐藏控件 depth_png 里的 base64 PNG，5 档硬边的图通常 30~60KB，对工作流体积影响很小。删掉它面板手绘的深度图就没法跟着工作流走了，所以保留但不显示；只想用外部 depth_image 的话，不接面板也完全不受影响。

已知限制：

  • 深度图层只在深度模式显示，切回框选就隐藏（数据还在）；
  • 改画布宽高时，已有笔迹会被拉伸到新尺寸，不会裁剪；
  • 椭圆填充不会羽化边缘，需要过渡就换小笔刷手动修。

MOSS BBox 尺寸映射器

将 MOSS JSON 中心坐标系的边界框映射到目标画布尺寸。

输出：

  • 元素数组：0–1000 归一化的官方元素数组，接 MOSSImageLayoutPrompt 的 element 输入。
  • 映射后JSON：保留映射后的 MOSS JSON 字符串。
  • 目标宽度
  • 目标高度
  • 边界框：映射后的像素框（左上角原点），可直接接官方 Create Bounding Boxes 的 bboxes 输入，或接「MOSS 绘制边界框」；条目本身带 color 时一并透传。

映射器没有框色通道（框色存在导入节点的面板里），也不会拿调色板首色冒充框色——JSON 里没写 color 就不带这个字段，绘制时用兜底色。

映射模式：

  • 保持固定坐标(不缩放)：保留边界框的中心坐标和尺寸。
  • 保持长宽比(等比缩放)：按较小缩放比例适配目标画布，并保持比例。
  • 暴力拉伸(铺满画布)：分别按宽高缩放，填满目标画布。

MOSS 绘制边界框

把边界框按各自的颜色画到图片上。官方「绘制边界框」按 COCO 标签取固定颜色，这个节点改成读框自带的颜色。

输入：

  • bboxes：边界框列表，可直接接上面节点的 边界框 输出；也支持官方 [[{x, y, width, height}]]、单个框对象或 JSON 字符串。
  • image：底图，可选。不接时按框的最大范围生成一张黑底图；输入带 alpha（RGBA）时输出同样保留 alpha，透明区域不会被转成黑色。
  • line_width：线宽，默认 3。
  • show_index：在框左上角画序号。
  • show_label：在框内画描述 / 文字内容（放不下时自动跳过；多行文本压成一行显示，超宽按宽度截断）。
  • fallback_color：没有携带颜色的框使用这个颜色，默认 #ff4a4a，节点上是取色器，点一下就能选。

颜色只取边框自带的 color，没有就用 fallback_color；metadata.palette 属于构图信息，不参与描边。

节点上的显示名是中文（边界框 / 线宽 / 显示序号 / 显示描述 / 兜底颜色），只改前端显示，输入 key 不变，老工作流照常读取。

输出：图像。

JSON 格式

MOSS JSON 使用以画布中心为原点的像素坐标，BBox 顺序为：

[ymin, xmin, ymax, xmax]

示例：

{
  "summary": {
    "caption": "一个人在城市街道上行走"
  },
  "items": [
    {
      "label": "object",
      "caption": "人物",
      "bbox": [-256, -128, 256, 128]
    },
    {
      "label": "text",
      "caption": "招牌文字",
      "text": "OPEN",
      "bbox": [-100, 180, 20, 420]
    }
  ],
  "bbox_coord_space": "abs_centralized",
  "bbox_format": "yxyx"
}

官方元素数组使用 0～1000 的归一化坐标，字段名保持官方格式，例如 type、bbox、desc、text、tags 和 color_palette。编辑面板中的标签和调色板都可以通过 + 添加，双击或右键已有项目即可删除。

字段约束

  • label 只有 object、character、text 三种，编辑面板顶部三个按钮切换。
  • 只有 label: "text" 的条目带 text 字段；切回对象/角色时会自动删除该字段。
  • tags 和 palette 为空数组时会从 JSON 中整个删除该字段，不输出 "tags": []。
  • 官方元素数组的 type 只有 obj 和 text，所以 character 转换后等同 obj。角色身份由官方 MOSSImageLayoutPrompt 节点的 character_boxes 按框序号指定（例如 1, 3）。

坐标格式（两种官方写法都支持）

| 格式 | bbox_coord_space | bbox_format | 原点 | 画布尺寸 | |---|---|---|---|---| | 草稿（官方 Pixel Layout draft） | abs | xyxy | 左上角 | 顶层 width / height | | 模型（ComfyUI 官方节点使用） | abs_centralized | yxyx | 画布中心 | 顶层 width / height（可选），或由节点控件给出 |

本插件统一以模型格式为规范。粘贴草稿格式的 JSON 时，绘制面板和两个节点会自动换算成 abs_centralized / yxyx，并把草稿里的 width / height 同步到画布的宽高控件，无需手动转换。

模型格式里也可以保留 width / height（用于记录画布尺寸）：它们会同步到画布控件，与控件双向保持一致；但生成 完整提示词 时会自动剥离，不会进入喂给模型的提示词。尺寸映射器的 映射后JSON 则会把它们更新为目标画布尺寸。

使用建议

  1. 将 MOSS JSON文本 复制或连接到 MOSS 布局编辑器 或 MOSS BBox 尺寸映射器使用。
  2. 如果目标画布尺寸与原 JSON 不同，使用尺寸映射器，保证尺寸不偏移，可以连接到创建边界框节点预览一下映射后的布局。
  3. 将官方画布输出的元素数组连接到 MOSSImageLayoutPrompt。
  4. 将 主提示词 或 完整提示词 可以直接连接或复制到正向提示词；需要布局控制时优先使用 完整提示词。

安装

通过 ComfyUI Manager（推荐）

在 Manager 里搜 MOSS BBox，或直接装：

comfy node install moss-bbox-enhancer

装完重启 ComfyUI。

手动安装

将插件目录放入：

ComfyUI/custom_nodes/MOSS_BBox_Enhancer

重启 ComfyUI 后即可使用。

可选依赖（只影响「识别人体部位」）

核心节点不引入任何新依赖（numpy / Pillow ComfyUI 自带）。人体部位识别额外需要 opencv-python 和 onnxruntime：

pip install opencv-python onnxruntime

没有硬塞进主依赖，是因为 onnxruntime 与 onnxruntime-gpu 会互相覆盖，强制安装容易把已经配好 GPU 版的环境搞坏。

示例工作流

仓库里的 example_workflows/ 放了两份可直接拖进 ComfyUI 的工作流：

| 文件 | 内容 | |---|---| | Moss_BBox控制 示例.json | 基础用法：布局编辑器 → 创建边界框 → 采样 | | Moss_BBox控制+深度图控制.json | 在上面基础上接了深度图：MoGe 估深度 + 面板手绘的深度图层一起进采样 |

两份都用了新版 ComfyUI 的子图（subgraph），前端版本较旧的话打不开；里面的 MarkdownNote 写了用到的模型下载地址，按需从 UNETLoader 换成自己有的模型即可。

说明

前端可以直接读取上游节点中的静态 JSON 文本控件。对于 Python 节点运行后才生成的动态输出，必须先执行工作流，上游结果生成后尺寸映射器才能读取并推测尺寸。

本插件不新增第三方依赖。

节点运行时的版本号只在 MOSS_Version.py 的 __version__ 一处（Registry 侧另有一份在 pyproject.toml，见下节），布局编辑器标题栏右侧的版本胶囊通过 GET /moss/version 读取，前端不再单独存一份。节点左下角那颗 MOSS_BBox_Enhancer 徽标来自 ComfyUI 前端注册的包名，不受版本号影响，插件侧没有可改的字段。

发布到 Comfy Registry（维护者）

Registry 从 pyproject.toml 读版本号，节点标题栏读 MOSS_Version.py，所以发版要同时改两处：

  1. pyproject.toml → [project] version
  2. MOSS_Version.py → __version__

推到 main 后 .github/workflows/publish.yml 会自动跑到 Registry。workflow 里有一道版本一致性检查，两处不一致会直接失败并提示，不会发出「页面写 1.7.0、插件里显示 1.6.x」的版本。

需要在仓库 Settings → Secrets and variables → Actions 里配 REGISTRY_ACCESS_TOKEN，值是 registry.comfy.org 上 yumu2497 这个 publisher 的 API Key。