LayerDivider
Förvandla en platt illustration till en redigerbar lagerstruktur
LayerDivider är ett open-source-projekt för bildbehandling som separerar en enskild, platt illustration i bas- och effektlager. Verktyget analyserar pixelfärger, grupperar liknande områden, jämnar ut bilden och återskapar resultatet som en redigerbar PSD-fil.
Från platt konstverk till redigerbar struktur
Vad är LayerDivider?
En färdig illustration exporteras ofta som en enskild PNG- eller JPG-fil. När originalfilen går förlorad blir färger, skuggor, högdagrar och effekter sammanfogade till en enda rasterbild, vilket gör dem svåra att redigera separat.
LayerDivider angriper detta problem genom färgbaserad bilddekomponering. Verktyget grupperar pixlar med liknande färger, förenklar lokala variationer, skapar ett rekonstruerat baslager och beräknar effektlager utifrån skillnaderna mellan baslagret och originalbilden.
Den resulterande PSD-filen ger en mer redigerbar utgångspunkt för att ändra färger, justera ljussättning, modifiera effekter och studera hur en illustration är uppbyggd.
LayerDivider återskapar en ungefärlig lagerstruktur. Den återställer inte konstnärens ursprungliga lager eller lagernamn.
Vilka typer av bilder fungerar bäst?
LayerDivider är mest effektiv när en bild innehåller tydliga färgregioner och en relativt strukturerad illustrationsstil.
Anime-illustrationer
Konstverk i anime-stil använder ofta distinkta, platta färger, skuggor, högdagrar och tydliga linjer som lämpar sig väl för färgbaserad separering.
Konstverk med platta färger
Illustrationer med begränsade färgpaletter och tydligt avgränsade färgregioner ger generellt renare kluster.
Karaktärsdesign
Karaktärsillustrationer kan delas upp i redigerbara färg- och effektregioner för omfärgning och visuella justeringar.
Digitala målningar med definierade regioner
Stiliserade målningar fungerar ofta bra när deras huvudfärger och ljusområden förblir visuellt distinkta.
Mindre lämpliga bilder
- Fotografier med kontinuerliga färggradienter
- Bilder med mycket textur eller brus
- Bilder med kraftiga komprimeringsartefakter
- Konstverk som innehåller många subtila färgövergångar
- Bilder som kräver semantisk objektseparering
Inuti processen
Hur LayerDivider bearbetar en illustration
Arbetsflödet konverterar en platt bild till en ungefärlig lagerrepresentation genom en sekvens av färganalys och rekonstruktionssteg.
Analysera pixelfärger
Indatabilden analyseras på pixelnivå med hjälp av dess RGB-färginformation.
Skapa initiala färgkluster
Pixlar grupperas i en första uppsättning kluster baserat på deras färgvärden.
Slå samman liknande färger
Kluster med liknande uppfattade färger slås samman med hjälp av ett CIEDE2000-baserat tröskelvärde för färgskillnad.
Jämna ut lokala variationer
Oskärpebehandling minskar små färgfluktuationer, texturbrus och onödig fragmentering.
Måla om varje kluster
Genomsnittsfärgen efter utjämning beräknas för varje kluster och används för att måla om dess pixlar.
Förfina resultatet
Sammanslagning, utjämning och omfärgning kan upprepas för att skapa en renare och mer stabil basstruktur.
Bygg baslagret
Den slutgiltiga klusterkartan används för att konstruera en förenklad basrepresentation av illustrationen.
Beräkna effektlager
Skillnader mellan det rekonstruerade baslagret och originalbilden används för att härleda information om ljus och effekter.
Kärnan i tekniken
Varför färgklustring är viktigt
En platt illustration kan innehålla tusentals enskilda RGB-värden, även när konstnären visuellt bara avsett ett fåtal basfärger. Kantutjämning (anti-aliasing), gradienter, penseltextur, skuggor och komprimering introducerar många små variationer.
LayerDivider minskar denna komplexitet genom att gruppera färger som uppfattas som liknande. Istället för att behandla varje RGB-värde som en separat region, används färglikhet för att bilda större, mer redigerbara kluster.
Detta gör den rekonstruerade lagerstrukturen lättare att förstå och manipulera, även om en alltför aggressiv klustring kan slå samman detaljer som borde förbli separata.
Förklaring av LayerDivider-parametrar
Balansen mellan rena lager och bevarade detaljer beror till stor del på fyra huvudparametrar.
Förfiningsloopar
Styr hur många gånger sammanslagning, utjämning och omfärgning upprepas.
Snabbare bearbetning där mer av originalets färgvariation bevaras.
Renare och enklare regioner, men små detaljer kan slås samman eller försvinna.
Initiala kluster
Ställer in antalet färgkluster som skapas under det första steget.
Ger färre, bredare färggrupper och en enklare lagerstruktur.
Bevarar mer färgvariation men kan skapa en större och mer fragmenterad PSD-fil.
Tröskelvärde för färgskillnad
Avgör hur lika två kluster måste vara för att slås samman.
Håller liknande färger separerade och bevarar fler subtila variationer.
Kombinerar fler färger till större regioner och förenklar resultatet.
Oskärpestorlek
Styr styrkan på utjämningen som appliceras innan genomsnittsfärger beräknas.
Bevarar skarpare lokala detaljer men kan behålla brus och små fragment.
Skapar mjukare regioner men kan göra små kanter och fina detaljer otydliga.
PSD-konstruktion
Normalt och sammansatt utdataläge
LayerDivider kan konstruera PSD-filer med lager genom att använda olika kombinationer av bas- och effektlager.
Normalläge
Skapar en enklare PSD-struktur fokuserad på de rekonstruerade bildregionerna.
Bäst för
Användare som vill ha en okomplicerad struktur för omfärgning och grundläggande ljusjusteringar.
Sammansatt läge
Använder flera lager med blandningslägen för att återskapa mer av det ursprungliga visuella utseendet.
Bäst för
Användare som vill ha en mer detaljerad rekonstruktion och är bekväma med att arbeta med blandningslägen.
Vad kan du göra med den lagrade PSD-filen?
De genererade lagren ger en praktisk utgångspunkt för att redigera platta illustrationer.
Färga om en illustration
Justera valda färgregioner utan att behöva måla om hela bilden från början.
Redigera skuggor och högdagrar
Modifiera ljusare och mörkare information separat för att testa olika ljussättningar.
Studera illustrationsstruktur
Inspektera hur basfärger och visuella effekter kombineras för att återskapa det platta resultatet.
Förbered konstverk för animering
Använd den rekonstruerade PSD-filen som ett tidigt förberedelsesteg innan du manuellt organiserar element för animering.
Återställ en redigerbar utgångspunkt
Skapa en mer hanterbar fil när endast en platt export finns kvar och original-PSD-filen saknas.
Skapa visuella variationer
Experimentera med alternativa paletter, ljusstilar och effektstyrkor samtidigt som huvudkompositionen bevaras.
Ha rätt förväntningar
Vad LayerDivider inte kan återställa
LayerDivider skapar en rekonstruerad approximation snarare än att backa den ursprungliga kreativa processen.
Inte original-PSD:n
Den genererade filen innehåller inte de exakta lagren, maskerna, grupperna, namnen eller penseldragen som skapades av den ursprungliga konstnären.
Ingen semantisk objektigenkänning
Färgbaserad bearbetning förstår inte i sig att en region representerar hår, kläder, hud, bakgrund eller ett annat objekt.
Ingen rekonstruktion av dolt innehåll
Verktyget kan inte avslöja delar av ett objekt som aldrig var synliga i den platta indatabilden.
Liknande färger kan slås samman
Separata objekt som delar liknande färger kan hamna i samma rekonstruerade region.
Gradienter kan skapa fragmentering
Mjuk skuggning, textur och komplexa gradienter kan generera många kluster eller kräva kraftigare förenkling.
Manuell städning kan krävas
PSD-filen kan fortfarande behöva döpas om, grupperas, maskeras, målas om och justeras i lagerordning.
LayerDivider vs. Semantisk lagerseparering
Båda metoderna förvandlar en platt bild till redigerbara komponenter, men de organiserar bilden på olika sätt.
LayerDivider
- Grupperar främst pixlar efter färglikhet
- Fungerar särskilt bra med illustrationer i platta färger
- Kan rekonstruera bas- och effektlager
- Erbjuder kontrollerbara klustringsparametrar
- Kan kombinera separata objekt med liknande färger
Semantisk lagerseparering
- Försöker identifiera motiv och meningsfulla objekt
- Bättre lämpad för objektbaserad redigering
- Kan skapa lager som person, produkt och bakgrund
- Beroende av segmenterings- och visuella förståelsemodeller
- Kan missa finare illustrationsspecifik färgstruktur
Färgbaserade och semantiska metoder kompletterar varandra. Färgdekomponering är användbart för illustrationens utseende, medan semantisk separering är mer användbar när redigerbara objekt är prioriterade.
Ett praktiskt arbetsflöde för illustrationer
Börja med en ren källa
Använd den PNG-fil med högst kvalitet som finns tillgänglig. Undvik hårt komprimerade skärmdumpar när det är möjligt.
Välj önskad detaljnivå
Använd fler initiala kluster för detaljerade konstverk och färre kluster för enklare, plattare illustrationer.
Granska små detaljer
Inspektera ögon, hårstrån, linjekonst, accessoarer, högdagrar och andra områden som kan ha slagits samman.
Öppna PSD-filen i ett redigeringsprogram
Granska resultatet i Photoshop, Clip Studio Paint, Photopea eller ett annat PSD-kompatibelt program.
Organisera och städa lagren
Döp om viktiga lager, kombinera onödiga fragment, korrigera masker och förfina lagerordningen.
Originalprojekt
Ett open-source-experiment för illustrationsdekomponering
LayerDivider skapades av mattyamonaca som ett open-source-verktyg för att dela upp en enskild illustration i en lagerstruktur. Originalprojektet tillhandahåller ett Gradio-gränssnitt, lokala installationsinstruktioner för Windows och ett arbetsflöde för Google Colab.
Källkoden är tillgänglig under MIT-licensen, vilket gör den till en användbar referens för utvecklare, forskare och kreatörer som utforskar färgbaserad illustrationsdekomponering.
LayerDivider är ett oberoende open-source-projekt. ImageToLayers är inte den ursprungliga skaparen av LayerDivider.
Vanliga frågor om LayerDivider
Vad är LayerDivider?
LayerDivider är ett open-source-verktyg som konverterar en platt illustration till en ungefärlig lagerstruktur med hjälp av färgklustring på pixelnivå, utjämning, rekonstruktion och beräkning av effektlager.
Kan LayerDivider återställa original-PSD:n?
Nej. Det skapar en ny lagrad approximation baserad på den synliga platta bilden. Det kan inte återställa ursprungliga lagernamn, grupper, masker, dolda pixlar eller redigeringshistorik.
Använder LayerDivider AI?
Det ursprungliga färgbaserade arbetsflödet använder främst bildbehandling och klustringstekniker. Senare integrationer kan kombinera PSD-generering i LayerDivider-stil med segmenteringsmodeller som Segment Anything.
Vilka bilder fungerar bäst med LayerDivider?
Anime-illustrationer, karaktärskonst med platta färger och bilder med tydligt separerade färgregioner fungerar generellt bättre än fotografier eller mycket texturerade målningar.
Kan LayerDivider separera en karaktär från bakgrunden?
Det kan separera dem när deras färger är tillräckligt olika, men färgbaserad klustring förstår inte i sig semantiska objekt. Ett segmenteringsbaserat verktyg är mer tillförlitligt för objektbaserad separering.
Vad är CIEDE2000?
CIEDE2000 är en formel för färgskillnad utformad för att bättre återspegla hur människor uppfattar skillnader mellan färger. LayerDivider använder ett tröskelvärde baserat på detta mått när det avgör om liknande färgkluster ska slås samman.
Vad styr inställningen för initiala kluster?
Den styr hur många färggrupper som skapas i början av bearbetningen. Fler kluster bevarar mer variation men kan ge ett mer komplext och fragmenterat resultat.
Vad är skillnaden mellan normalläge och sammansatt läge?
Normalläget skapar en enklare struktur, medan sammansatt läge kombinerar bas-, screen-, multiply-, subtract- och addition-lager för att återskapa mer av det ursprungliga visuella utseendet.
Kan jag redigera den genererade filen i Photoshop?
Ja. LayerDivider genererar PSD-filer som kan öppnas i program som stöder lagrade PSD-filer, även om viss manuell organisering och städning fortfarande kan krävas.
Är LayerDivider lämpligt för fotografier?
Det är främst utformat för illustrationer. Fotografier innehåller kontinuerliga toner, textur, brus och komplex ljussättning som är mindre lämpade för färgklusterbaserad separering.
Originalgränssnitt för LayerDivider
Det ursprungliga open-source-gränssnittet för LayerDivider ger kontroll över färgklustring, perceptuell färgsammanslagning, utjämning och PSD-export.
Behöver du objektbaserade bildlager?
Använd ImageToLayers för att separera motiv, objekt och bakgrunder till praktiska redigerbara tillgångar, med bakgrundsrekonstruktion och export till PSD eller ZIP.