ComfyUI Extension: ComfyUI Popo Utility
High-Performance ComfyUI Custom Node Toolkit - Modular and Extensible Architecture A utility toolkit designed specifically for ComfyUI image processing, built with a modular architecture that supports fast extension and the addition of new nodes.
Custom Nodes (0)
README
ComfyUI Popo Utility
🚀 高性能的ComfyUI自定义节点工具集 - 🔧 模块化可扩展架构
一个专为ComfyUI设计的图片处理实用工具集，采用模块化架构设计，支持快速扩展和添加新节点。
⭐ 核心特性
🏗️ 模块化架构
- 📦 自动节点发现 - 新节点自动注册，无需手动配置
- 🔧 扩展友好 - 基于模板的节点开发，5分钟创建新节点
- 📂 分类管理 - 节点按功能自动分类组织
- 🎯 插件化设计 - 支持独立开发和部署节点模块
⚡ 性能优化
- 🚀 零拷贝设计 - 直接从张量shape获取信息，避免数据转换
- ⏱️ 常数时间复杂度 - 处理时间与图片大小无关
- 🧠 内存友好 - 最小化内存占用，高效处理大图片
- 🛡️ 稳定可靠 - 完善的错误处理，避免节点崩溃
📦 安装方法
方法一：直接安装到ComfyUI
- 将本项目克隆到ComfyUI的自定义节点目录：
cd ComfyUI/custom_nodes/
git clone https://github.com/your-username/comfyui-popo-utility.git
- 重启ComfyUI即可使用
方法二：手动安装
- 下载本项目的所有文件
- 将文件夹复制到
ComfyUI/custom_nodes/目录下 - 重启ComfyUI
🎯 节点说明
🖼️ 图片长短边尺寸 (Popo Image Size)
功能：获取图片的长边和短边尺寸
输入：
image- 图片输入（IMAGE类型）
输出：
long_side- 长边尺寸（INT类型）short_side- 短边尺寸（INT类型）
使用场景：
- 需要根据图片尺寸进行条件判断
- 图片缩放比例计算
- 画面比例分析
📏 图片详细尺寸 (Popo Image Dimensions)
功能：获取图片的详细尺寸信息
输入：
image- 图片输入（IMAGE类型）
输出：
width- 宽度（INT类型）height- 高度（INT类型）long_side- 长边尺寸（INT类型）short_side- 短边尺寸（INT类型）
使用场景：
- 需要完整的图片尺寸信息
- 图片布局计算
- 分辨率分析
📐 图片宽高比 (Popo Image Aspect Ratio)
功能：计算图片的宽高比并识别常见比例
输入：
image- 图片输入（IMAGE类型）
输出：
aspect_ratio- 宽高比数值（FLOAT类型）ratio_name- 比例名称（STRING类型）
使用场景：
- 图片比例分析
- 自动识别常见画面比例（16:9、4:3等）
- 横竖屏判断
🧮 数学表达式计算 (Popo Math Expression)
功能：支持动态数学表达式计算，兼容Python数学运算
输入：
a- 数值参数A（FLOAT类型，默认值0.0）b- 数值参数B（FLOAT类型，默认值0.0）c- 数值参数C（FLOAT类型，默认值0.0）expression- 数学表达式（STRING类型，默认"a + b + c"）
输出：
result_int- 计算结果整数值（INT类型）result_float- 计算结果浮点值（FLOAT类型）
支持的函数和常数：
- 基础运算：
+,-,*,/,//,%,** - 数学函数：
sqrt,pow,abs,min,max,round - 取整函数：
ceil,floor,round - 三角函数：
sin,cos,tan,asin,acos,atan,atan2 - 对数函数：
log,log10,log2,exp - 数学常数：
pi,e,tau,inf,nan - 其他函数：
factorial,gcd,degrees,radians
表达式示例：
a + b + c- 三数相加sqrt(a*a + b*b)- 计算斜边长度sin(radians(a))- 角度的正弦值ceil(a / b)- 向上取整除法max(a, b) if a > 0 else c- 条件表达式pow(2, a) + log10(b)- 幂运算与对数
安全特性：
- ✅ 支持完整的Python数学表达式
- 🛡️ 安全沙箱执行，防止恶意代码
- ⚡ 高性能计算，支持复杂嵌套表达式
- 🔢 同时输出整数和浮点数结果
使用场景：
- 图片尺寸的动态计算
- 复杂的数学变换
- 条件分支计算
- 自定义算法实现
🚀 性能优化
本工具集在性能方面做了以下优化：
- 直接张量操作 - 直接从PyTorch张量的形状属性获取尺寸，避免图片格式转换
- 零拷贝设计 - 不对原始图片数据进行任何修改或复制
- 快速失败机制 - 完善的错误处理，遇到异常时快速返回默认值
- 内存友好 - 不存储额外的图片数据，内存占用极小
🔧 模块化架构
项目采用模块化设计，为未来扩展做好了准备：
📁 项目结构
comfyui-popo-utility/
├── __init__.py # 主入口，自动注册所有节点
├── nodes/ # 节点包目录
│ ├── __init__.py # 节点包初始化
│ ├── base_node.py # 基础节点类
│ ├── registry.py # 自动注册系统
│ ├── image_utils.py # 图片处理节点
│ └── [your_nodes].py # 您的自定义节点
├── node_template.py # 新节点开发模板
├── DEVELOPMENT_GUIDE.md # 详细开发指南
└── README.md # 项目说明
🎯 快速添加新节点
只需要 3步 就能添加新节点：
# 1. 复制模板
cp node_template.py nodes/my_new_nodes.py
# 2. 编辑新文件，实现你的节点功能
# 3. 重启ComfyUI，节点会自动被注册🎉
📄 基础类体系
| 基础类 | 用途 | 分类 |
|--------|------|------|
| PopoBaseNode | 通用节点基类 | popo-utility |
| ImageProcessingNode | 图片处理相关 | popo-utility/image |
| TextProcessingNode | 文本处理相关 | popo-utility/text |
| MathNode | 数学计算相关 | popo-utility/math |
| UtilityNode | 实用工具相关 | popo-utility/utils |
📝 新节点开发示例
# 在 nodes/my_nodes.py 中
from nodes.base_node import UtilityNode
class HelloWorldNode(UtilityNode):
DESCRIPTION = "简单的Hello World节点"
@classmethod
def INPUT_TYPES(cls):
return {
"required": {
"name": ("STRING", {"default": "World"}),
}
}
@property
def RETURN_TYPES(self): return ("STRING",)
@property
def RETURN_NAMES(self): return ("greeting",)
@property
def FUNCTION(self): return "say_hello"
def say_hello(self, name: str):
return (f"Hello, {name}!",)
# 记得添加到NODE_CLASSES列表
NODE_CLASSES = [HelloWorldNode]
更多详细内容请参考 📚 开发指南
📝 使用示例
基础工作流
[Load Image] → [图片长短边尺寸] → [输出长边和短边]
↓
[其他处理节点]
高级工作流
[Load Image] → [图片详细尺寸] → [条件判断节点]
↓ ↓
[宽度/高度] [长边/短边]
↓ ↓
[不同的处理分支]
数学计算工作流
[数值输入A] → [数学表达式计算] → [整数结果]
[数值输入B] → │ → [浮点结果]
[数值输入C] → │
[表达式输入] → │
示例表达式:
- "sqrt(a*a + b*b)" - 勾股定理计算
- "ceil(a / b)" - 向上取整除法
- "sin(radians(a))" - 角度转弧度后求正弦
综合工作流
[Load Image] → [图片详细尺寸] → [数学表达式计算]
│ │
width,height “a * 0.75”
│ │
↓ ↓
[其他节点] [缩放数值]
🔧 技术细节
- 兼容性：支持ComfyUI标准的图片张量格式
- 输入格式：[batch, height, width, channels] 或 [height, width, channels]
- 数据类型：支持PyTorch Tensor、NumPy Array、PIL Image
- Python版本：>=3.8
- 依赖项：PyTorch, NumPy, Pillow
🤝 贡献指南
欢迎提交Issue和Pull Request来帮助改进这个项目！
- Fork本项目
- 创建功能分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 创建Pull Request
📄 许可证
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情
📞 支持与反馈
如果您在使用过程中遇到任何问题或有改进建议，请：
⭐ 如果这个项目对您有帮助，请给个Star支持一下！ ⭐