Qwen-Image-Layered Control Decomposition 工作流程用於透過 Qwen-Image-Layered 模型把一張圖像分解為不同組成元素。此工作流程特別適合需要隔離影像特定部分，以便後續編修或分析的美術與設計工作。流程從 LoadImage 載入圖片開始，接著使用 ImageScaleToMaxDimension 將圖片縮放到目標尺寸。核心步驟由節點 f754a936-daaf-4b6e-9658-41fdc54d301d 執行，該節點會使用 Qwen-Image-Layered 模型進行分解。
此工作流程在技術上具備足夠的彈性，能精準控制影像圖層，並可透過 SaveImage 節點儲存輸出。MarkdownNote 節點用於記錄流程並在工作過程中提供指引。這種分層分解在需要細緻圖像編輯的情境很有幫助，例如平面設計、數位藝術，甚至科學影像中需要隔離並分析特定特徵的場景。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "Qwen-Image-Layered 控制分解" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("image_qwen_image_layered_control_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("74", "image", asset); // LoadImage
const job = await client.run(wf);
await job.getOutputs("60")[0].toFile("output.png"); // SaveImageSDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
常見問題
Showing 30 of 30 templates