Update controlnet_module.py

controlnet_module.py

@@ -1144,21 +1144,65 @@ class ControlNetProcessor:
                 # ============================================================
                 print("🔄 MASKE AUF ORIGINALGRÖSSE TRANSFORMIEREN")
                 
-                # 1. Maske von Crop auf Original-Position übertragen
+                # 1. Maske in Crop-Größe wird konveriert von NumPy nach PIL
                 mask_crop_pil = Image.fromarray(mask_array).convert("L")
     
                 # Leere Maske in Originalgröße
                 mask_original = Image.new("L", original_image.size, 0)
     
-                # Crop-Maske an richtiger Position einfügen
+                # Crop-Maske an richtiger Position in leerem Originalbild einfügen
+                # da Hauptprogramm Originalgröße erwartet.
                 mask_original.paste(mask_crop_pil, (crop_x1, crop_y1))
     
                 # 2. Rohmaske ebenfalls transformieren
                 raw_mask_crop_pil = Image.fromarray(raw_mask_array).convert("L")
                 raw_mask_original = Image.new("L", original_image.size, 0)
                 raw_mask_original.paste(raw_mask_crop_pil, (crop_x1, crop_y1))
-          
-        
+
+
+                ###################################
+                # Erweiterung der Maske damit mehr Kontext für Inpaint
+                # damit in der BBox keine andere "Jacke" generiert wird
+                # #################################
+                print("👤 FACE_ONLY_CHANGE: Erweitere SAM-Maske um 50%")
+    
+                # Originalmaske kopieren (für Debug/Anzeige behalten)
+                original_precise_mask = mask_original.copy()
+    
+                # 1. Auf 150% vergrößern
+                expansion_factor = 1.5  # 50% größer
+                expanded_width = int(mask_original.width * expansion_factor)
+                expanded_height = int(mask_original.height * expansion_factor)
+    
+                expanded_mask_large = mask_original.resize(
+                    (expanded_width, expanded_height), 
+                    Image.Resampling.LANCZOS
+                )
+    
+                # 2. Wieder auf Originalgröße zentriert zurücksetzen
+                mask_original = Image.new("L", original_image.size, 0)
+    
+                # Negative Offsets = Maske wird über Bildrand hinaus gelegt
+                x_offset = (expanded_width - mask_original.width) // 2
+                y_offset = (expanded_height - mask_original.height) // 2
+    
+                mask_original.paste(expanded_mask_large, (-x_offset, -y_offset))
+    
+                # 3. Weichzeichnen für natürliche Übergänge
+                mask_original = mask_original.filter(ImageFilter.GaussianBlur(10))
+    
+                print(f"✅ SAM-Maske erweitert: {original_precise_mask.size} → effektiv 150%")
+                print(f"   Offsets: x={-x_offset}, y={-y_offset}")
+    
+                # RAW-Maske ebenfalls erweitern (für Debug-Anzeige)
+                raw_mask_original = raw_mask_original.resize(
+                    (int(raw_mask_original.width * 1.3), int(raw_mask_original.height * 1.3)),
+                    Image.Resampling.NEAREST
+                )
+                temp = Image.new("L", original_image.size, 0)
+                temp.paste(raw_mask_original, (-15, -15))
+                raw_mask_original = temp
+                         
                 # ============================================================
                 # ABSCHLIESSENDE STATISTIK
                 # ============================================================