Image Annotator - ComfyUI 节点

文档说明

社区贡献的图像标注节点：在图上直接画点、框、多边形标出要改的区域，配合 Nano Banana 节点大幅降低改图的提示词门槛。

概述

comfyui-image-annotator 是社区用户 luckdvr 贡献的交互式图像标注 ComfyUI 节点。它的核心价值是——降低提示词门槛。你不用再费劲描述"把图片左上角那个红色按钮换成蓝色"，只要在图上圈出来、点一下、画个框，让模型清楚看到"我要改这里"即可。最适合搭配在 Nano Banana Pro 节点前面，组成"图片 → 标注 → API"的三段式工作流。

项目信息

• 🔗 开源地址：github.com/luckdvr/comfyui-image-annotator
• 📜 许可证：MIT
• 👤 作者：luckdvr
• ⭐ 社区贡献，与 Luck Nano Banana Pro 同作者

推荐工作流：图片 → 标注节点 → API 节点

LoadImage  ─►  ImageAnnotator  ─►  Luck Nano Banana Pro  ─►  SaveImage
               （在图上圈出要改的区域）     （看着标注按指令改图）

适合人群：不擅长写英文提示词、不知道怎么精确描述"改哪里"的用户。把"描述区域"的工作交给鼠标，把"怎么改"的工作交给一句简单的 prompt。

核心功能

点（⦿）：单击放置 · 矩形（▢）：拖拽画框 · 多边形（⬡）：多点连线自动闭合 标注实时渲染到画布，所见即所得，不用反复跑图看效果 内置画布操作，处理大图也能精准定位局部 最多 50 步撤销历史，尽情尝试不怕误操作 同时输出标注后的图片（供模型参考）+ JSON 标注数据（便于后续节点解析） 描边颜色、宽度、填充透明度、点大小均可配置

支持的 FastAiToken 模型

该节点本身不调用 API，只负责对图像做标注。标注后的图片可喂给任何支持图像输入的 FastAiToken 模型，最佳搭档：

模型名称	模型标识	用途	API 文档
Nano Banana Pro	gemini-3-pro-image-preview	根据标注区域局部改图/融合	查看文档
Gemini / Qwen-VL 系列	多种	图像理解、基于标注的视觉问答	查看文档

节点说明

输入

参数名	类型	必填	说明
image	IMAGE	是	要标注的原图

输出

输出端	类型	说明
annotated_image	IMAGE	已渲染标注标记的图片（可直接喂给下游 API 节点）
annotations_json	STRING	描述标注位置/类型的 JSON 字符串（供需要结构化输入的节点使用）

安装配置

cd ComfyUI/custom_nodes git clone https://github.com/luckdvr/comfyui-image-annotator.git

无额外依赖（使用 ComfyUI 自带环境即可），重启后在节点搜索栏输入 ImageAnnotator 即可找到。 把节点依次连起来：

LoadImage → ImageAnnotator → Luck Nano Banana Pro → SaveImage

在 ImageAnnotator 的画布上圈出要改动的位置，然后在下游 API 节点写一句简单的 prompt（如 "replace the marked area with a red sports car"），运行即可。

## 使用示例

### 示例 1：局部换物（小白友好）

`LoadImage` 载入一张客厅照片 `ImageAnnotator`：用矩形框住沙发旁的空位 `Luck Nano Banana Pro`：prompt = "Put a green indoor plant in the marked area" 模型会在你框出的位置放一盆绿植，不动其他区域

### 示例 2：多区域精准标注

用**多边形**标注人物衣服 + **点**标注帽子位置 + **矩形**标注背景区域，然后用 prompt：

```text
Change the clothing in polygon 1 to a black suit, add a hat at point 1,
replace the background in rectangle 1 with a sunset beach

模型会分别对三个区域做不同的修改。

示例 3：视觉问答 / 理解

配合 Gemini / Qwen-VL：让模型解释"被框出来的物体是什么、在图里起什么作用"，标注提供精确的视觉锚点。

常见问题

传统改图需要你用文字精确描述"改哪里、怎么改"。对非英语用户、不熟 AI prompt 的小白非常不友好。

有了这个节点，**位置信息由鼠标标注直接给出**，prompt 只需描述"改成什么"即可。原本需要 3-5 句话的精确描述，现在一句简单英文就能搞定。

会，而且是往好的方向影响。大部分多模态模型（Nano Banana、Gemini、Qwen-VL）都能理解图上的标注符号，把它们识别为"用户指示的目标区域"，从而更精准地按指令编辑。

若担心标注样式干扰最终输出，可在节点内调低描边宽度、使用半透明填充。

1. 确认目录是 ComfyUI/custom_nodes/comfyui-image-annotator 2. 完全重启 ComfyUI（刷新前端不够） 3. 检查 ComfyUI 控制台有无报错 可以。把下游节点只接 annotations_json 端口即可。适合需要把坐标传给自定义脚本做后处理的场景。 推荐流水线：LoadImage → ImageAnnotator → Luck Nano Banana Pro

* `Luck Nano Banana Pro` 的 `image_01` 接 `ImageAnnotator` 的 `annotated_image` 输出
* prompt 中用自然语言描述"对标注区域做什么"
* 首次效果不理想时，用 `Luck Nano Banana Pro` 的 `retry_times` 或 seed 模式多跑几次

相关资源

同作者的 API 调用节点，与本节点完美搭配 了解 Nano Banana Pro 的完整能力 查看所有 Nano Banana ComfyUI 节点 管理密钥、用量与分组