KohakuBlueleaf/PixelOE

解决的问题

PixelOE 解决了将高分辨率图像缩放为像素艺术时，常见的细节丢失和边缘模糊问题。它通过确保在像素化过程中保留重要轮廓，防止关键特征“模糊”或消失。

运作原理

该项目使用两阶段的传统图像处理管线，而非神经网络：

1. 对比度感知轮廓扩展 (Contrast-Aware Outline Expansion)：系统根据局部亮度和对比度生成权重图。接着使用由该权重图混合的选择性形态学运算（腐蚀与膨胀），在缩放前加宽重要特征并清理边缘。
2. 基于对比度的降采样 (Contrast-Based Downsampling)：图像被转换为 LAB 色彩空间。亮度通道使用滑动窗口进行处理，该窗口会自适应地选择最具代表性的像素（基于中位数、平均值、最小值和最大值），以保留暗部或亮部细节。色彩通道在转换回 RGB 之前会先经过中值滤波器处理。

可选的增强功能包括通过 k-means 分群进行调色盘优化，以及与原始图像的色彩匹配。

适用对象

专为希望从照片或数字艺术创作高质量像素艺术，且无需 AI 模型的艺术家与开发者设计，同时也适合需要专用像素化节点的 ComfyUI 用户。

特色亮点

• 无需 AI：使用可预测的传统图像处理方法。
• 高性能：具备快速的 PyTorch 实现，以及更快的 Slang 计算着色器后端 (CUDA, Vulkan, D3D12, CPU)。
• 细节保留：专注于对比度感知轮廓扩展，以保持细线清晰。
• 灵活整合：提供 Python 库、CLI 工具、Gradio 演示以及 ComfyUI 自定义节点。