Update controlnet_module.py

controlnet_module.py

@@ -832,6 +832,7 @@ class ControlNetProcessor:
                     
                     # Keine Bildverbesserung für 512x512 - Original verwenden
                     image = original_image
+                    #x1, y1, x2, y2 bleiben Originalkoordinaten
 
                 ################################
                 #BBox-Berechnung für Heuristik immer Oroginal-BBox
@@ -874,7 +875,7 @@ class ControlNetProcessor:
                 # SAM erwartet NumPy-Array, kein PIL
                 image_np = np.array(image.convert("RGB"))
                 
-                # Immer nur eine BBox verwenden (SAM 2 erwartet genau 1)
+                # SAM bekommt die aktuelle BBox entweder Original oder transformiert
                 input_boxes = [[[x1, y1, x2, y2]]]
 
                 # Punkt in der BBox-Mitte (zur Ünterstützung von SAM damit BBox nicht zu dicht um Kopf gezogen werden muß!)
@@ -1261,18 +1262,7 @@ class ControlNetProcessor:
 
                 else: #keine use_crop_stategy Bild<=512
                     print("👤 POSTPROCESSING AUF ORIGINALGRÖSSE (≤512px)")
-                    
-                    # POSTPROCESSING-LOGIK FÜR ORIGINALGRÖSSE
-                    labeled_array, num_features = ndimage.label(mask_array)
-        
-                    if num_features > 0:
-                        print(f"   🔍 Gefundene Komponenten: {num_features}")
-                        sizes = ndimage.sum(mask_array, labeled_array, range(1, num_features + 1))
-                        largest_component_idx = np.argmax(sizes) + 1
-                        print(f"   👑 Größte Komponente: Nr. {largest_component_idx} mit {sizes[largest_component_idx-1]:,} Pixel")
-            
-                        mask_array = np.where(labeled_array == largest_component_idx, mask_array, 0)
-            
+                           
                         # ANGEPASSTE Morphologische Operationen für Originalgröße
                         kernel_close = np.ones((5, 5), np.uint8)
                         mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=1)