前言：
学习 ComfyUI 是一场持久战，而 ComfyUI layer style 是一组专为图片设计制作且集成了 Photoshop 功能的强大节点。该节点几乎将 PhotoShop 的全部功能迁移到 ComfyUI，诸如提供仿照 Adobe Photoshop 的图层样式、提供调整颜色功能（亮度、饱和度、对比度等）、提供 Mask 辅助工具、提供图层合成工具和工作流相关的辅助节点、提供图像效果滤镜等。旨在集中工作平台，使我们可以在 ComfyUI 中实现 PhotoShop 的一些基础功能。
一、安装方式
方法一：通过 ComfyUI Manager 安装（推荐）
打开 Manager 界面
方法二：使用 git clone 命令安装
在 ComfyUI/custom_nodes 目录下输入 cmd 按回车进入电脑终端
在终端输入下面这行代码开始下载
git clone https://github.com/chflame163/ComfyUI_LayerStyle.git
二、LayerColor：LUT Apply 节点
此节点专注于使用查找表对图像进行颜色调整。查找表是一种预定义的颜色映射表，可以将输入图像的颜色映射到新的颜色空间，从而实现颜色校正或风格化效果。
输入：
image → 输入的图片
参数：
LUT → 这里列出了LUT文件夹中可用的.cube文件列表，选中的LUT文件将被应用到图像
color_space → 色彩空间 **普通图片请选择linear, log色彩空间的图片请选择log**
输出：
image → 处理后的图片
示例：
注意事项
LUT 格式：确保使用的查找表格式与节点兼容，常见的 LUT 格式包括 .cube、.png 等。
颜色空间匹配：输入图像的颜色空间应与查找表的预期颜色空间匹配，以获得最佳效果。
处理性能：应用查找表的处理可能需要较高的计算资源，确保系统性能足够支持处理需求。
LUT 选择：根据具体的图像处理需求选择合适的 LUT，以实现预期的颜色调整效果。
通过使用 LayerColor: LUT Apply 节点，可以在图像处理工作流程中实现高效的颜色调整和风格化处理，提升图像的视觉效果和艺术表现力。
三、LayerColor：AutoBrightness 节点
通过对图像的亮度直方图进行分析，该节点可以动态调整图像的亮度，使其更符合视觉上的最佳亮度分布。
输入：
image → 输入的图片
mask → 输入遮罩
参数：
strength → 自动调整亮度的强度 **数值越大，越偏向中间值，与原图的差别越大**
saturation → 色彩饱和度 **亮度改变通常会导致色彩饱和度发生变化，可在此适当调整补偿**
输出：
image → 处理后的图片
示例：
注意事项
输入图像质量：确保输入图像的质量良好，避免过度曝光或过暗区域，因为这些问题可能影响自动亮度调整效果。
处理性能：自动亮度调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：虽然自动亮度调整通常能提供良好的效果，但对于某些特定场景，手动微调可能仍然是必要的，以确保达到最佳效果。
通过使用 LayerColor: AutoBrightness 节点，可以在图像处理工作流程中实现高效的亮度自动优化，提升图像的视觉效果和亮度平衡。
四、LayerColor：ColorAdapter 节点
此节点专注于通过调整图像的颜色，使其符合预定的颜色方案或风格。
输入：
image → 输入的图片
color_ref_image → 输入参考颜色图片
参数：
opacity → 图像调整色调之后的不透明度
输出：
image → 处理后的图片
示例：
注意事项
颜色方案选择：确保选择适合处理目标的颜色方案，以实现预期的视觉效果。
输入图像质量：输入图像的质量会影响颜色调整的效果，确保图像清晰、色彩信息完整。
处理性能：颜色调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：虽然颜色调整可以自动应用，但手动微调可能仍然必要，以确保达到最佳效果。
通过使用 LayerColor: ColorAdapter 节点，可以在图像处理工作流程中实现高效的颜色调整和风格转换，提升图像的视觉效果和一致性。
五、LayerColor：Exposure 节点
此节点专注于调整图像的曝光度。通过增加或减少曝光值，可以使图像变得更亮或更暗，以达到预期的视觉效果。
输入：
image → 输入的图片
参数：
exposure → 曝光值 **更高的数值表示更亮的曝光，可以为负数**
输出：
image → 处理后的图片
示例：
注意事项
曝光值配置：根据具体需求配置合适的曝光值，确保调整后的图像亮度符合预期。曝光值为正值时增加曝光，为负值时减少曝光。
输入图像质量：输入图像的质量会影响曝光调整的效果，确保图像清晰，曝光问题主要集中在中间亮度区域。
处理性能：曝光调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：调整曝光后，检查图像细节和色彩是否保持一致，以防止过度调整导致图像失真或细节丢失。
通过使用 LayerColor: Exposure 节点，可以在图像处理工作流程中实现高效的曝光调整，提升图像的亮度和整体视觉效果。
六、LayerColor：Color of Shadow & HighLight 节点
此节点专注于对图像的阴影和高光区域进行颜色调整。通过单独控制这两个区域的颜色，可以实现更细致的色彩校正和风格化处理。
输入：
image → 输入的图片
mask → 遮罩
参数：
shadow_brightness → 暗部的亮度
shadow_saturation → 暗部的色彩饱和度
shadow_hue → 暗部的色相
shadow_level_offset → 暗部取值的偏移量 **数值越大则更多靠近明亮的区域纳入暗部**
shadow_range → 暗部的过渡范围
highlight_brightness → 亮部的亮度
highlight_saturation → 亮部的色彩饱和度
highlight_hue → 亮部的色相
highlight_level_offset → 亮部取值的偏移量 **数值越小则更多靠近阴暗的区域纳入亮部**
highlight_range → 亮部的过渡范围
输出：
image → 处理后的图片
示例：
注意事项
颜色参数配置：根据具体需求配置阴影和高光的颜色参数，确保调整后的图像色彩符合预期。
输入图像质量：输入图像的质量会影响颜色调整的效果，确保图像的阴影和高光区域明确且没有严重的颜色偏移。
处理性能：颜色调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：调整阴影和高光颜色后，检查图像的整体色彩平衡和视觉效果，确保没有过度调整导致的色彩失真。
通过使用 LayerColor: Color of Shadow & HighLight 节点，可以在图像处理工作流程中实现高效的阴影和高光颜色调整，提升图像的色彩表现和整体视觉效果。
七、LayerColor：Gamma 节点
此节点专注于对图像进行伽马校正。通过调整伽马值，可以改变图像的亮度和对比度，优化图像的整体视觉效果。
输入：
image → 输入的图片
参数：
gamma → 设置处理后图像Gamma值
输出：
image → 处理后的图片
示例：
注意事项
伽马值配置：根据具体需求配置合适的伽马值，确保调整后的图像亮度和对比度符合预期。伽马值大于 1 会降低亮度，伽马值小于 1 会增加亮度。
输入图像质量：输入图像的质量会影响伽马校正的效果，确保图像中没有过多的噪声和失真。
处理性能：伽马校正处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：调整伽马值后，检查图像的整体视觉效果，确保没有过度调整导致的图像失真或细节丢失。
通过使用 LayerColor: Gamma 节点，可以在图像处理工作流程中实现高效的伽马校正，优化图像的亮度和对比度，提升图像的整体视觉效果。
八、LayerColor：Brightness & Contrast 节点
此节点专注于对图像进行亮度和对比度的调整。通过独立控制这两个参数，可以显著改善图像的视觉效果。
输入：
image → 输入的图片
参数：
brightness → 图像的亮度
contrast → 图像的对比度
saturation → 图像的色彩饱和度
输出：
image → 处理后的图片
示例：
注意事项
亮度和对比度配置：根据具体需求配置合适的亮度和对比度值，确保调整后的图像效果符合预期。亮度值和对比度值通常在-100 到 100 之间。
输入图像质量：输入图像的质量会影响亮度和对比度调整的效果，确保图像中没有过多的噪声和失真。
处理性能：亮度和对比度调整处理可能需要一定的计算资源，确保系统性能足够支持处理需求。
结果检查：调整亮度和对比度后，检查图像的整体视觉效果，确保没有过度调整导致的图像失真或细节丢失。
通过使用 LayerColor: Brightness & Contrast 节点，可以在图像处理工作流程中实现高效的亮度和对比度调整，优化图像的视觉效果，使图像更加清晰和吸引人。
九、LayerColor 节点
分别调整图像的 RGB、YUV、LAB、HSV 通道。
输入：
image → 输入的图片
参数：
R → R通道 **红色通道**
G → G通道 **绿色通道**
B → B通道 **蓝色通道**
H → H通道 **色调、色相通道**
S → S通道 **饱和度、色彩纯净度通道**
V → V通道 **明度通道**
L → L通道 **亮度通道**
A → A通道 **从绿色到红色的分量通道**
B → B通道 **从蓝色到黄色的分量通道**
Y → Y通道 **强度、亮度通道**
U → U通道 **蓝色色度通道**
V → V通道 **色调、色相通道**
输出：
image → 处理后的图片
示例：
注意事项