n8n 图片自动化处理一条工作流搞定批量裁剪压缩【免费下载链接】n8nFair-code workflow automation platform with native AI capabilities. Combine visual building with custom code, self-host or cloud, 400 integrations.项目地址: https://gitcode.com/GitHub_Trending/n8/n8n运营每周要处理 300 张产品图改尺寸、加水印、压大小手工在 PS 里一张张点从早干到晚。开发给写个脚本吧又得排期。这种重复劳动其实最适合扔给 n8n 图片自动化处理——把读图、改图、存图串成一条可视化流水线以后新图进来流程自己跑完。上面这张截图就是 n8n 的工作流编辑器左侧拖节点连线右侧配置参数无需写脚本。整条流水线由三个组件协作完成Read/Write Files from Disk节点负责把磁盘上的图片读成二进制数据流程结束时再写回去。Edit Image节点核心加工环节底层用 GraphicsMagick 封装提供crop、resize、text、border、blur、composite、transparent共 11 种操作其中multiStep能在一个节点里按顺序串多步。Webhook接收业务系统推送让流程能被自动触发。最小链路先跑通再说先搭一条最简链路验证环境。Read/Write Files from Disk负责取图这里只需两个关键参数node: Read/Write Files from Disk operation: read fileSelector: /data/images/*.jpg再拖一个Edit Image节点接在后面。它在这里的作用是对上游的二进制图片做第一次加工。关键参数node: Edit Image operation: resize dataPropertyName: data width: 800 height: 600 resizeOption: maximumAreadataPropertyName必须和上游二进制属性名一致读盘节点默认就是data。这里有个坑resize默认模式maximumArea是等比缩放到不超出指定区域想要 800x600 精确像素把resizeOption改成ignoreAspectRatio。用 multiStep 把裁剪压缩塞进一个节点真实需求很少是单一操作。operation切到multiStep就能按顺序追加操作比串联多个节点省事也省掉中间状态{ operation: multiStep, operations: [ { operation: crop, width: 800, height: 800, positionX: 0, positionY: 0 }, { operation: resize, width: 400, height: 400, resizeOption: maximumArea }, { operation: text, text: SAMPLE, fontSize: 24, positionX: 20, positionY: 380 } ] }每步的参数结构和单操作模式完全一致crop需要宽高加原点text需要字号、坐标和换行长度lineLengthcomposite则靠dataPropertyNameComposite指定要叠加的第二张图属性名比如把 logo 盖到商品图上。多步的源码实现在 packages/nodes-base/nodes/EditImage/EditImage.node.ts参数校验规则都在里面。输出选项改名、转格式、压体积加工完的图怎么出去在Edit Image的Options里加三项就够options: destinationKey: data fileName: {{ $json.filename }}-400.jpg format: jpeg quality: 80fileName支持表达式把上游字段带进输出文件名format支持 bmp/gif/jpeg/png/tiff/webpquality只对 jpeg、png、tiff 生效80 左右肉眼几乎看不出差别体积能省一半。最后再接一个Read/Write Files from Diskoperation: write把处理结果落到指定目录。批量场景不用额外配置Edit Image 天然逐行处理输入上游读进来多少张它就按 item 顺序产出多少张。某张图坏了把该节点设为出错时继续continue on fail失败行会以{ error: ... }继续往下走你在日志里能直接看到是哪张图、什么原因再单独补跑失败的那几张。如果你的场景不一样场景链路差异电商批量缩略图multiStep 固定为 crop→resize→quality 80文件名用 SKU 字段拼接社交平台多规格配图一个 Edit Image 接两个分支各自 resize 到 1080x1080 和 1200x630图片质检operation: information把分辨率、格式写回 json 落库不产出图片避坑清单执行报 GraphicsMagick 相关错误自部署实例没装 ImageMagick。Docker 部署直接装 ImageMagick 并重启容器源码里gm调用全部依赖它。text 操作报 Default font not found默认只找系统 ArialLinux 服务器常没有在font选项里从系统字体里选一个即可。quality填了却没效果该参数只对 jpeg/png/tiff 生效输出 webp 时不生效。大批量处理超时几百张图逐行串行会拖很久按 100 张一批拆执行同时留意实例内存上限别开太高并发。一张坏图拖垮整批不开出错时继续的话单条失败即终止批量场景一定要打开再配告警。n8n 图片自动化处理的本质就是拿一个磁盘节点供料、一个 Edit Image 节点加工再叠上批量与容错。节点实现见 packages/nodes-base/nodes/EditImage/EditImage.node.ts读写盘节点在 packages/nodes-base/nodes/Files/ReadWriteFile/对着源码改参数最稳。【免费下载链接】n8nFair-code workflow automation platform with native AI capabilities. Combine visual building with custom code, self-host or cloud, 400 integrations.项目地址: https://gitcode.com/GitHub_Trending/n8/n8n创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
n8n 图片自动化处理：一条工作流搞定批量裁剪压缩
n8n 图片自动化处理一条工作流搞定批量裁剪压缩【免费下载链接】n8nFair-code workflow automation platform with native AI capabilities. Combine visual building with custom code, self-host or cloud, 400 integrations.项目地址: https://gitcode.com/GitHub_Trending/n8/n8n运营每周要处理 300 张产品图改尺寸、加水印、压大小手工在 PS 里一张张点从早干到晚。开发给写个脚本吧又得排期。这种重复劳动其实最适合扔给 n8n 图片自动化处理——把读图、改图、存图串成一条可视化流水线以后新图进来流程自己跑完。上面这张截图就是 n8n 的工作流编辑器左侧拖节点连线右侧配置参数无需写脚本。整条流水线由三个组件协作完成Read/Write Files from Disk节点负责把磁盘上的图片读成二进制数据流程结束时再写回去。Edit Image节点核心加工环节底层用 GraphicsMagick 封装提供crop、resize、text、border、blur、composite、transparent共 11 种操作其中multiStep能在一个节点里按顺序串多步。Webhook接收业务系统推送让流程能被自动触发。最小链路先跑通再说先搭一条最简链路验证环境。Read/Write Files from Disk负责取图这里只需两个关键参数node: Read/Write Files from Disk operation: read fileSelector: /data/images/*.jpg再拖一个Edit Image节点接在后面。它在这里的作用是对上游的二进制图片做第一次加工。关键参数node: Edit Image operation: resize dataPropertyName: data width: 800 height: 600 resizeOption: maximumAreadataPropertyName必须和上游二进制属性名一致读盘节点默认就是data。这里有个坑resize默认模式maximumArea是等比缩放到不超出指定区域想要 800x600 精确像素把resizeOption改成ignoreAspectRatio。用 multiStep 把裁剪压缩塞进一个节点真实需求很少是单一操作。operation切到multiStep就能按顺序追加操作比串联多个节点省事也省掉中间状态{ operation: multiStep, operations: [ { operation: crop, width: 800, height: 800, positionX: 0, positionY: 0 }, { operation: resize, width: 400, height: 400, resizeOption: maximumArea }, { operation: text, text: SAMPLE, fontSize: 24, positionX: 20, positionY: 380 } ] }每步的参数结构和单操作模式完全一致crop需要宽高加原点text需要字号、坐标和换行长度lineLengthcomposite则靠dataPropertyNameComposite指定要叠加的第二张图属性名比如把 logo 盖到商品图上。多步的源码实现在 packages/nodes-base/nodes/EditImage/EditImage.node.ts参数校验规则都在里面。输出选项改名、转格式、压体积加工完的图怎么出去在Edit Image的Options里加三项就够options: destinationKey: data fileName: {{ $json.filename }}-400.jpg format: jpeg quality: 80fileName支持表达式把上游字段带进输出文件名format支持 bmp/gif/jpeg/png/tiff/webpquality只对 jpeg、png、tiff 生效80 左右肉眼几乎看不出差别体积能省一半。最后再接一个Read/Write Files from Diskoperation: write把处理结果落到指定目录。批量场景不用额外配置Edit Image 天然逐行处理输入上游读进来多少张它就按 item 顺序产出多少张。某张图坏了把该节点设为出错时继续continue on fail失败行会以{ error: ... }继续往下走你在日志里能直接看到是哪张图、什么原因再单独补跑失败的那几张。如果你的场景不一样场景链路差异电商批量缩略图multiStep 固定为 crop→resize→quality 80文件名用 SKU 字段拼接社交平台多规格配图一个 Edit Image 接两个分支各自 resize 到 1080x1080 和 1200x630图片质检operation: information把分辨率、格式写回 json 落库不产出图片避坑清单执行报 GraphicsMagick 相关错误自部署实例没装 ImageMagick。Docker 部署直接装 ImageMagick 并重启容器源码里gm调用全部依赖它。text 操作报 Default font not found默认只找系统 ArialLinux 服务器常没有在font选项里从系统字体里选一个即可。quality填了却没效果该参数只对 jpeg/png/tiff 生效输出 webp 时不生效。大批量处理超时几百张图逐行串行会拖很久按 100 张一批拆执行同时留意实例内存上限别开太高并发。一张坏图拖垮整批不开出错时继续的话单条失败即终止批量场景一定要打开再配告警。n8n 图片自动化处理的本质就是拿一个磁盘节点供料、一个 Edit Image 节点加工再叠上批量与容错。节点实现见 packages/nodes-base/nodes/EditImage/EditImage.node.ts读写盘节点在 packages/nodes-base/nodes/Files/ReadWriteFile/对着源码改参数最稳。【免费下载链接】n8nFair-code workflow automation platform with native AI capabilities. Combine visual building with custom code, self-host or cloud, 400 integrations.项目地址: https://gitcode.com/GitHub_Trending/n8/n8n创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考