Update controlnet_module.py

controlnet_module.py

@@ -934,11 +934,7 @@ class ControlNetProcessor:
                 print("📏 SCHRITT 6: MASKE EXTRAHIEREN")
                 
                 num_masks = outputs.pred_masks.shape[2]
-                print(f"   SAM lieferte {num_masks} verschiedene Masken")
-
-                #========================
-                # Heuristik und Postprocessing auf Crop
-                #=========================
+                print(f"   SAM lieferte {num_masks} verschiedene Masken")   
                 
                 # Masken speichern in Array
                 all_masks_crop = []        #Weiterverarbeitung in Crop-Größe oder Bildgröße <= 512
@@ -964,13 +960,13 @@ class ControlNetProcessor:
                      
             
                 # ============================================================
-                # HEURISTIK (zur Bestimmung der besten Maske) bei Bild>512 auf Crop-Größe bei Bild<=512 auf Originalgröße
+                # HEURISTIK (zur Bestimmung der besten Maske) bei Bild>512 wird die beste Maske auf Crop-Größe ermittelt bei Bild<=512 auf Originalgröße
                 # ============================================================
                 print("🤔 HEURISTIK BERECHNEN")
 
                       
                 # Heuristik-BBox für alle weiteren Berechnungen verwenden
-                # (bbox_center und bbox_area sind jetzt korrekt für beide Fälle)              
+                # (bbox_center und bbox_area sind korrekt für beide Fälle)              
                 
                 best_mask_idx = 0                    
                 best_score = -1
@@ -998,7 +994,7 @@ class ControlNetProcessor:
                     #        SPEZIALHEURISTIK 
                     # ============================================================
 
-                    print(f"   🔍 Analysiere Maske {i+1} auf Crop-Größe")
+                    print(f"   🔍 Analysiere Maske {i+1} auf {'Crop-' if use_crop_strategy else 'Original-'}Größe")
         
                     # 1. FLÄCHENBASIERTE BEWERTUNG (40%)
                     area_ratio = mask_area_pixels / bbox_area if bbox_area > 0 else 0
@@ -1014,7 +1010,7 @@ class ControlNetProcessor:
                         area_score = optimal_max / area_ratio  # Starke Bestrafung für zu groß
 
 
-                    # 2. BBOX-ÜBERLAPPUNG (KORRIGIERT!)
+                    # 2. BBOX-ÜBERLAPPUNG
                     bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
                     bbox_mask[bbox_y1:bbox_y2, bbox_x1:bbox_x2] = 1
                     overlap = np.sum(mask_binary & bbox_mask)