ComfyUI Image Anything

ComfyUI Image Anything 提供三大核心功能：

1. 批量保存工作流输出：在一次任务运行中批量保存不同阶段的图片和文本，自动整理到统一的时间戳文件夹中。通过模块化设计（Image Batch + Text Batch + BatchImageSaverV2），你可以灵活组合任意数量的图片批次和文本批次。

2. 数据集自动标注：专为制作图像编辑模型（如 Qwen Edit、Kontext）训练数据集设计。提供自动迭代加载、结构化保存、失败重跑等功能，大幅提升数据集制作效率。

3. 分桶图像标准化：专为 SDXL/Flux 模型训练优化。智能检测图片比例，自动归一化到 ai-toolkit 支持的标准训练 Bucket 分辨率，确保零拉伸、无黑边。

安装方法

方式一：克隆仓库

cd /path/to/ComfyUI/custom_nodes
git clone https://github.com/HuangYuChuh/ComfyUI_Image_Anything.git

方式二：ComfyUI Manager（推荐）

在 ComfyUI Manager 中搜索 "ComfyUI_Image_Anything" 并安装。

节点参数详解

1. 智能分桶预处理 (Preprocess)

Smart Image Resize for Bucket 专为训练准备的图像预处理节点。它会自动将任意比例的图片 Center Crop 到最接近的标准 Bucket 尺寸。

• image: 输入图片
• mode: 处理模式
  • Smart (Auto Detect): (推荐) 自动计算宽高比，匹配最接近的标准尺寸 (1:1, 3:4, 4:3, 9:16, 16:9)。
  • Force 1024x1024 (1:1): 强制方形
  • Force 832x1152 (3:4): 强制标准竖图 (人像常用)
  • Force 1152x832 (4:3): 强制标准横图
  • Force 768x1344 (9:16): 强制长竖图 (手机壁纸)
  • Force 1344x768 (16:9): 强制宽屏横图

支持的 SDXL/Flux 标准 Bucket: 1024x1024, 832x1152, 1152x832, 768x1344, 1344x768.

2. 自动数据集标注 (Edit_Image)

这些是专为自动化制作模型数据集（如 Qwen Edit、Kontext 等）设计的新节点。

EditDatasetLoader:

• input_dir (必需): 图片文件夹路径
• start_index (必需): 起始索引（默认：0）
• auto_next (可选): 自动递增索引（默认：True），关闭后固定读取 start_index
• reset_iterator (可选): 强制重置索引到 start_index（默认：False）
• index_list (可选): 逗号分隔的索引列表，如 "5,12,23"。用于重新处理失败的图片，填写后只加载指定索引的图片。
• 自动停止: 当遍历完文件夹中所有图片（或指定索引）后，会自动触发停止信号终止工作流。

EditDatasetSaver:

• output_root (必需): 保存根目录
• naming_style (必需):
  • Keep Original: 保持原文件名
  • Rename (Prefix + Auto-Inc): 使用前缀+自动序号
• filename_prefix: 重命名时的前缀（默认："Dataset"）
• allow_overwrite (新增): 是否允许覆盖已有文件。开启后配合 index_list 使用，可自动覆盖错误的数据对。
• filename_stem: 原始文件名（可选，连接 Loader 的输出）
• save_image_control/target: 输入图片（可选）
• save_caption: 输入文本标题（可选）
• save_format: 保存格式（可选，支持 jpg/png/webp，默认 jpg）
• output_dir: 强制输出路径（可选）。连接此端口将忽略 output_root，优先使用传入的路径。

高级功能：配对数据加载 (Paired Data Loading)

支持加载训练常用的 "Target Image + Control Image" 数据对。

参数设置:

• target_img_suffix: Target 图片的后缀（如 _O）。填写后，通过 target_img 端口输出。
• control_img_suffix: Control 图片的后缀（如 _W）。填写后，通过 control_img 端口输出。

逻辑: 加载器会自动筛选包含 target_img_suffix 的图片，并自动查找对应 control_img_suffix 的配对文件。 例如：填 _O 和 _W。加载 Dog_O.jpg 时，自动找到 Dog_W.png 并作为 control 输出。

Outputs:

• control_img: 原图/条件图 (对应 _W)，推荐放在上面。
• target_img: 目标图 (对应 _O)。
• target_img: 目标图 (对应 _O)。
• filename_stem: 文件名（已自动去除后缀）。例如加载 A_O.jpg，这里输出 A。这使得 Saver 可以直接保存为干净的文件名。
• filename_stem: 文件名（已自动去除后缀）。例如加载 A_O.jpg，这里输出 A。这使得 Saver 可以直接保存为干净的文件名。
• directory: 当前图片的文件夹路径。
• current_index: 当前图片的索引值 (int)。

EditDatasetSaver更新: 无需任何额外设置。只要 EditDatasetLoader 获取到了干净的 filename_stem，Saver 就会自动以该名字保存所有输出文件（Control/Target/Txt），确保文件名一致。 若要路径透传，可将 directory 连接到 Saver 的 output_dir。

3. V2 模块化批量保存 (Batch_Save)

Image Batch 节点 (image_batch)

• image_1 到 image_5 (可选): 最多5张图片输入
• save_name_1 到 save_name_5 (可选): 对应每张图片的保存名称

Text Batch 节点 (text_batch)

• text_1 到 text_5 (可选): 5个通用文本字段，可输入任意内容
• name_1 到 name_5 (可选): 对应每个文本的文件名

Batch Image Saver V2 主节点

• output_folder (必需): 输出文件夹名称（默认："batch_saves"）
• enabled (可选): 是否启用此节点（默认：true）
• batch_1, batch_2, ... (必需): 连接 Image Batch 节点的输出
• text_batch_1, text_batch_2, ... (可选): 连接 Text Batch 节点的输出

V1 版本 (Batch Image Saver V1)

(保留用于向后兼容，建议使用 V2)

• input_count (必需): 图片数量（1-5）
• image_1 (必需): 第一张图片
• save_name_1 (必需): 第一张图片的保存名称（默认："image"）
• output_folder (必需): 输出文件夹名称（默认："batch_saves"）

使用示例

场景一：自动清洗数据集 (Auto Clean Dataset)

1. 加载: 使用 EditDatasetLoader 读取原始图片文件夹。
2. 处理: 连接 Smart Image Resize for Bucket 节点，模式设为 Smart (Auto Detect)。
3. 保存: 连接 EditDatasetSaver (或普通 Save Image)，即可得到完美符合训练标准的数据集。

场景二：自动标注数据集流程 (Edit Dataset Workflow)

这是一个专门用于构建和标注图像编辑模型数据集的流程：

1. 加载图片: 使用 EditDatasetLoader 指向你的图片文件夹。
2. 处理流程: 在中间连接任意的处理节点（如图像反推提示词、抠图、风格迁移等）。
3. 保存结果: 连接 EditDatasetSaver。
   • Output Root: 设置保存结果的根目录。
   • Naming Style:
     • 想要保持文件名不变？选 Keep Original 并连接 loader 的 filename_stem。
     • 想要统一重命名？选 Rename (Prefix + Auto-Inc) 并设置前缀（如 Dataset）。
   • Auto Increment: 即使中断重启，"Rename" 模式也会自动检测已有文件，从下一个序号开始保存，不会覆盖旧数据。

高级技巧：重跑失败图片

当发现某些图片（如索引 5, 12, 23）处理失败时，无需重跑整个数据集：

1. Loader 设置：
   • index_list: 填入 "5,12,23"。
   • reset_iterator: 开启（确保从列表第一个开始）。
2. Saver 设置：
   • allow_overwrite: 开启 True（允许覆盖旧的错误结果）。
3. 运行：节点只处理这 3 张图片，完成后自动停止。

场景三：多批次组合保存 (V2)

[图片1-5] → [Image Batch A] → batch_1 → \
[文本A] → [Text Batch A] → text_batch_1 →  → [Batch Image Saver V2]
[图片6-7] → [Image Batch B] → batch_2 → /
[文本B] → [Text Batch B] → text_batch_2 → /

4. 文本阻塞器 (Text)

Text Blocker

工作流中的文本中转编辑节点。当执行到此节点时，会弹出侧边编辑面板，让你修改上游传入的文本后再继续执行。非常适合需要人工检查或微调提示词的场景。

参数:

• text (必需): 从上游节点连接输入的文本（无widget输入框，强制接收连接）
• enabled (可选): 是否启用阻塞编辑（默认：True）
  • True: 执行时弹出编辑框，等待用户确认
  • False: 直接透传文本，不阻塞

使用场景:

[LLM生成提示词] ──→ [Text Blocker] ──→ [KSampler/图像生成]

执行时会在右侧弹出编辑面板，可以预览和修改LLM生成的提示词，确认后继续生成图像。

输出文件结构

每次运行都会创建独立的时间戳文件夹：

output/
└── batch_saves/
    └── task_20251130_143022/
        ├── 封面_01.png          # 保存名称_序号.png 格式
        ├── 细节_02.png
        ├── prompt.txt           # ComfyUI Prompt 文本（如果有）
        ├── metadata.json        # 基本元数据（包含格式化文本）
        └── workflow.json        # 完整工作流文件（可直接加载）

节点查找

安装后，在节点列表中查找（所有节点带有 🚦 标识）：

分类	路径	节点
预处理	🚦 ComfyUI_Image_Anything → Preprocess	Smart Image Resize for Bucket
数据集	🚦 ComfyUI_Image_Anything → Edit_Image	EditDatasetLoader, EditDatasetSaver
批量保存	🚦 ComfyUI_Image_Anything → Batch_Save	Batch Image Saver V2, Image Collector, Text Collector
文本工具	🚦 ComfyUI_Image_Anything → Text	Text Blocker