Layerdivider完整上手指南如何用AI一键把插画拆成可编辑的多层PSD【免费下载链接】layerdividerA tool to divide a single illustration into a layered structure.项目地址: https://gitcode.com/gh_mirrors/la/layerdivider你有没有经历过这样的抓狂时刻手里一张插画想改个颜色、挪个元素却发现整张图死死糊在一个图层上只能打开 Photoshop 对着边缘一点点抠。Layerdivider就是专门来终结这种痛苦的开源 AI 智能分层工具——它能把一张单图自动识别、拆解成多层可编辑的 PSD 文件全程几乎不用你动手。先看效果一张插画如何秒变图层全家福下面这张示例图左边是原始输入右边是 Layerdivider 分层后的 PSD 输出效果肉眼可见红、蓝、黄、绿几个图形被识别成了各自独立的图层连文字都单独拎了出来。分层背后是实打实的算法功力亮点数值迭代优化轮数最高 20 轮逐轮精修色块边界初始颜色聚类数最多 50 个颜色越丰富拆得越细PSD 输出形态normal/composite 两种composite 最多含 5 种混合模式图层大白话解释一下聚类就是把颜色相近的像素自动归堆归出来的每一堆将来就是一个图层。Layerdivider 的 5 步极速上手路径从零到第一次跑通拢共只需要五步拉取代码执行git clone https://gitcode.com/gh_mirrors/la/layerdivider把仓库拷到本地进入目录cd layerdivider安装依赖Windows 首次使用直接双击运行install.ps1会自动建虚拟环境、装依赖、下载分割模型macOS/Linux 则执行pip3 install -r requirements.txt启动界面Windows 运行run_gui.ps1其他平台运行python3 demo.py打开浏览器访问localhost:7860上传图片点 Create PSD等输出文件弹出来就成功了提醒一句Windows 安装脚本要求 Python 3.10.8版本不对容易在依赖环节翻车。凭什么选它两套分层引擎的差异化拆解同类工具大多只有一种处理思路而 Layerdivider 内置了两套独立的分层引擎可以按图选择对比维度色彩驱动模式 (color_base_mode)语义分割模式 (segment_mode)核心算法像素级 RGB 聚类 CIEDE2000 色差合并SAM 模型语义分割适合图片Logo、图标、色块分明的平面设计人物、风景、产品等复杂场景边界精度依赖颜色差异边缘干净利落依赖模型识别能理解这是头发是否需要额外模型不需要需要下载 SAM 大模型为什么是 CIEDE2000这是目前公认最贴近人眼感知的色差公式。普通工具按 RGB 数值判断两种颜色像不像经常把肉眼看几乎一样的颜色拆成两半Layerdivider 换算到 Lab 色彩空间再算色差见 ld_processor.py 的calc_ciede函数合并判断更符合直觉。复杂场景则交给语义分割。ld_segment.py 调用 Meta 的 SAM 模型自动生成掩码也就是把画面里每一个东西框出来再据此建图层所以它能区分同色系的人与背景。想脱离图形界面、在脚本里直接调用核心函数长这样from ldivider.ld_processor import get_base # 导入分层核心算法 df get_base(img, 6, 15, 5, 3, # 迭代6轮、初始15个聚类、色差阈值5、模糊半径3 256, 256, 500, 100, 0.1) # 背景拆分相关参数先用默认值每行都有注释看不懂参数含义也没关系后面会有更省心的方式。新手最容易翻车的 3 个现场这些都是过来人踩过的坑先看问题再看解药分割模型没下完就开跑SAM 模型文件不小install.ps1会自动下载到segment_model/目录。很多人嫌慢中途关掉运行时立刻报 找不到模型。解法确认segment_model/sam_vit_h_4b8939.pth文件完整存在再启动具体模型来源见 ld_utils.py 的下载逻辑。分层结果糊成一团多半是参数太懒init_cluster太小、ciede_threshold太大相近颜色全被合并了。解法颜色复杂的图把初始聚类数往上调、色差阈值往下压多试两组再批量处理。图层叠出来颜色对不上选了 composite 模式却拿正常图层的心态去看它。composite 会拆出屏幕、正片叠底、减色、加色等混合模式图层需要整体叠加才还原原图。解法只想简单编辑就选 normal 模式想要光影可调性再上 composite。超出常规的 3 种进阶玩法分好层之后玩法就多了动画师的好帮手把 PSD 拖进 Spine、After Effects人物插画的头发、四肢、配饰已经是独立图层直接绑定骨骼做动画省掉最痛苦的切图环节给 Stable Diffusion 当外挂项目附带了 scripts/main.py可以作为 Stable Diffusion WebUI 扩展安装AI 出图后顺手拆层再精修构建个人素材库用 demo.py 的图形界面批量跑色彩驱动模式把一批风格统一的插画拆成可复用组件下次拼图直接拖图层放心长期使用的三个理由开源且免费项目采用 MIT 许可证见仓库根目录 LICENCE商用、二次开发都不受限算法透明可深挖分层核心全部在 ldivider 目录从聚类到 PSD 生成链路清晰想魔改参数或换算法都有据可依生态可扩展既支持本地图形界面也支持 Colab 在线跑还预留了 SD WebUI 扩展接入点适应不同使用习惯下一步就现在把手动抠图两小时变成一键分层两分钟这就是 Layerdivider 的价值。别犹豫了——先 clone 仓库跑通一次 demo拿你手边最花的一张插画试一刀你会发现图层自由来得比想象中简单。【免费下载链接】layerdividerA tool to divide a single illustration into a layered structure.项目地址: https://gitcode.com/gh_mirrors/la/layerdivider创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考