Segmentation V1 (RMBG)

节点功能：该节点能基于文本提示的智能对象分割功能。使用 SAM (Segment Anything Model) 和 GroundingDINO 模型来实现对象的精确分割。

Segmentation V1 (RMBG)-节点参数说明

输入参数
image	输入待分割的图像。
输出参数
IMAGE	背景处理后的输出图像。
MASK	单通道布尔掩码图，1 表示目标区域。
控件参数
prompt	输入要分割的对象或场景描述，支持标签风格或自然语言。
sam_model	选择要使用的 SAM 模型名称。依赖 sam_model_registry 注册的模型，建议选择精度高的模型，如 vit_h。
dino_model	选择要使用的 GroundingDINO 模型名称。
threshold	探测框置信度阈值，值越高代表识别越严格（默认 0.3）。建议默认值即可，若识别区域过多可调高此值过滤低置信度目标。
mask_blur	掩码边缘模糊半径，单位像素，0 表示关闭。增加模糊可减轻边缘锯齿感，建议设置为 4~8 获得更自然的过渡。
mask_offset	调整掩码边界，正值扩展，负值收缩。用于手动微调目标区域边缘，便于实现边界控制，如突出主体或清除边缘噪点。
background_color	背景类型，可选值：Alpha、Color。“Alpha” 表示透明背景，适用于导出抠图 PNG；“Color” 用指定颜色填充背景。
invert_output	是否反转输出掩码区域。

在以下场景中，根据prompt中的提示词来对指定主体进行分割，这里输入了"panda"，但上面却分割出了狮子，下面使用更大的模型后则分割正确。

该节点还能针对多个prompt进行分割。

在使用提示词 "cup" 进行目标分割时，以下是三种不同Threshold阈值设定下的分割效果。阈值的高低对分割准确性有显著影响，尤其在复杂场景中更为明显：

当阈值设置较低时，虽然能较宽松地检测出包含“cup”特征的区域，但由于语义判定容忍度较高，容易将场景中其他具有类似形状或材质（如玻璃瓶、小罐子等）的物体也一并错误分割，造成漏检目标、误检非目标的现象。
当阈值设置过高时，分割器对提示词匹配的要求变得更加严格，仅保留与“cup”强相关的区域，虽然误检减少，但也可能遗漏部分真实目标区域，特别是在被遮挡、部分边缘模糊或低对比度的情况下。

Mask Blur：应用于遮罩边缘的模糊程度，值越大越模糊。

Mask Offset：扩大或缩小遮罩边界，正值膨胀，负值收缩

ComfyUI原生节点