FameGrid Auto Color for ComfyUI：ComfyUI 中无需 AI 模型的确定性自动校色节点

在 AI 绘画工作流中，批量生成的图像往往面临色偏、饱和度异常或对比度不统一的问题。传统的解决方案要么依赖人工逐张调整，要么使用基于 AI 的参考图重绘，这不仅耗时，还可能引入不可控的变量。

• GitHub：https://github.com/ultramuseart/famegrid-auto-color

FameGrid Auto Color 提供了一个截然不同的思路：它是一个完全确定性的 IMAGE → IMAGE 节点，通过统计分析自动校正色偏、规范化饱和度并应用精细调色。没有 AI 模型，没有提示词，也没有网络请求，所有结果均基于当前图像的像素数据计算得出，确保了极高的可重复性和稳定性。

核心特性：统计驱动，而非 AI 猜测

与依赖大模型的“智能”调色不同，FameGrid Auto Color 回归了图像处理的本源——统计学。

• 独立批次分析：对 ComfyUI 批次中的每张图像进行独立采样和分析，一张图的统计数据绝不会影响另一张图。
• 稳健的端点校正：通过计算亮度直方图的尾部，自动构建阴影和高光的色彩锚点，保留全范围的动态细节。
• 近似中性中间调：利用“假中性色防护”机制，在安全中间调范围内寻找色度最低的像素组作为参考，自动校正白平衡。
• 保守的饱和度规范化：仅对超出健康范围的饱和度进行干预，避免过度饱和导致的色彩失真。
• 肤色保护：内置算法能识别并减少肤色区域在自动饱和度和手动鲜艳度调整中的变化，确保证人像自然。
• 原生 Float32 处理：在 ComfyUI 内部直接进行高精度浮点运算，保留 Alpha 通道，且无需任何第三方 Python 依赖。

安装与使用

该节点的安装非常简便，支持 ComfyUI Manager 一键安装或手动 Git 克隆。

查找路径：
添加节点后导航至：FameGrid → Color → Auto Color Corrector (FameGrid)。只需连接 IMAGE 输入，即可在下游获取校正后的图像。

推荐默认设置与微调指南

为了获得最佳效果，建议从以下默认值开始，并根据具体需求微调：

实用技巧：

• 如果校正感觉过于强烈，请降低 auto_color_strength。
• 处理人像时，务必保持 protect_skin 为 true。
• 使用 saturation 进行统一的全局调整，使用 vibrance 进行更有选择性的色彩增强。

局限性与适用场景

需要明确的是，FameGrid Auto Color 是一个全局校正工具，而非语义分割或局部蒙版调色器。

• 适用场景：批量照片后期、AI 生成图像的初步统一化、去除由于光源导致的整体色偏。
• 局限性：当场景故意由单一色调主导（如赛博朋克风格的纯蓝光）或缺乏可信的中性色参考时，确定性估计器可能会产生歧义。此外，它不处理色彩空间转换或 ICC 配置文件。