不断增长的示例代码片段集合……

​
图像与蒙版

​
加载图像

将图像加载为批量大小为1（基于 nodes.py 中的 LoadImage 源代码） 
i = Image.open(image_path)
i = ImageOps.exif_transpose(i)
if i.mode == 'I':
    i = i.point(lambda i: i * (1 / 255))
image = i.convert("RGB")
image = np.array(image).astype(np.float32) / 255.0
image = torch.from_numpy(image)[None,]

​
保存图像批量

保存一批图像（基于 nodes.py 中的 SaveImage 源代码） 
for (batch_number, image) in enumerate(images):
    i = 255. * image.cpu().numpy()
    img = Image.fromarray(np.clip(i, 0, 255).astype(np.uint8))
    filepath = # some path that takes the batch number into account
    img.save(filepath)

​
反转蒙版

反转蒙版是一个简单的过程。由于蒙版已被归一化到 [0,1] 区间： 
mask = 1.0 - mask

​
将蒙版转换为图像形状

# 我们需要 [B,H,W,C]，其中 C = 1
if len(mask.shape)==2: # 当前为 [H,W]，插入 B 和 C 作为第1维
    mask = mask[None,:,:,None]
elif len(mask.shape)==3 and mask.shape[2]==1: # 当前为 [H,W,C]
    mask = mask[None,:,:,:]
elif len(mask.shape)==3:                      # 当前为 [B,H,W]
    mask = mask[:,:,:,None]

​
将蒙版用作透明层

当用于修复或分割等任务时，蒙版的值最终会被四舍五入为最接近的整数，使其为二值——0表示要忽略的区域，1表示要处理的区域。但在蒙版传递到这些节点之前，这一步不会发生。这种灵活性允许你像在数码摄影中那样，将蒙版用作透明层： 
# 将蒙版反转回原始透明层
mask = 1.0 - mask

# 扩展 `C`（通道）维度
mask = mask.unsqueeze(-1)

# 沿 `C` 维拼接（cat）
rgba_image = torch.cat((rgb_image, mask), dim=-1)

​
噪声

​
创建噪声变体

以下是一个创建混合两个噪声源的噪声对象的示例。通过调整 weight2，可以用来生成轻微不同的噪声变体。 
class Noise_MixedNoise:
    def __init__(self, nosie1, noise2, weight2):
        self.noise1  = noise1
        self.noise2  = noise2
        self.weight2 = weight2

    @property
    def seed(self): return self.noise1.seed

    def generate_noise(self, input_latent:torch.Tensor) -> torch.Tensor:
        noise1 = self.noise1.generate_noise(input_latent)
        noise2 = self.noise2.generate_noise(input_latent)
        return noise1 * (1.0-self.weight2) + noise2 * (self.weight2)