mcpField
S
seeing-images

seeing-images

github.com/oaustegardクリエイティブ・メディア15745 回インストール1 日前に更新
リポジトリ

seeing-images について

画像を慎重に分析するための補助視覚ツールを提供するスキルです。見落としやすい細部の確認に役立ち、画像の説明、比較、文字の読み取りを支援します。

主な機能

  1. 01ラベル付きグリッドで画像を確認
  2. 02指定ピクセルの RGB 値を取得
  3. 03コントラストと細部を強調
  4. 04エッジとグラデーションを検出
  5. 05パレット抽出と要素のカウント

活用シーン

  1. 01アップロード画像の詳細な説明
  2. 02画像や領域間の差分比較
  3. 03低コントラスト画像の文字読み取り
  4. 04SVG 再現前の画像分析

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/oaustegard/claude-skills --skill seeing-images

インストール後、Claude Code で/seeing-imagesを入力して読み込まれたか確認します。

同梱ファイルCHANGELOG.mdscripts/see.py

詳細

画像を見る

2026-03-25 に vision diagnostic v1-v4 で測定された盲点に基づく補償用ビジョンツールです。どのモデルで実行されたかはここには記録されておらず、その後再実行もされていないため、しきい値は測定当時のものとしてお読みください。各失敗に対するツールが存在することを示すものであり、現在のモデルがその数値で正確に失敗するという意味ではありません。特定のしきい値を頼りにする前に、診断を再実行してください。

使用するタイミング

次の場合にこのスキルを有効にしてください。

  • アップロードされた画像を詳しく説明する
  • 画像を SVG として再現する（正解を確立するため、描画前に使用してください）
  • 2 枚の画像や領域を比較して違いを見つける
  • 劣化・圧縮・低コントラストの画像内のテキストを読む
  • 微妙な特徴（グラデーション、かすかなオーバーレイ、反射）を特定する
  • 速度より正確さが重要な画像タスク全般

既知の盲点（診断による）

推測ではなく、測定されたものです。

盲点しきい値補償用ツール
輝度コントラスト約15～20 RGBステップは認識できないenhance、histogram、sample
グラデーション30ステップ未満の範囲は認識できないgradient_map、enhance
コンテキストによる色の偏りドレス効果、同時対比isolate、sample
小さな要素15px 未満は実質的に認識できないcrop、grid
密集した対象の数え上げ15 個を超えると精度が低下し、30 個では約50％の誤差count_elements
微妙な空気感蒸気、かすかな反射がノイズに埋もれるenhance、denoise

ワークフロー

セットアップ（毎回、1 行）
import sys; sys.path.insert(0, '/mnt/skills/user/seeing-images/scripts')
from see import grid, sample, enhance, edges, histogram, isolate, palette, compare, count_elements, gradient_map, denoise, crop
クイック分析（ツール呼び出し2～3回）
grid(path, rows=2, cols=2)   # → view the output
sample(path, [(x1,y1), ...]) # → verify colors at points of interest
詳細分析（SVG の再現、間違い探しなど）
grid(path, rows=3, cols=3)                    # 1. Overview
palette(path, n=10)                           # 2. Dominant colors
edges(path, threshold=30)                     # 3. Shape boundaries
sample(path, [(x1,y1), (x2,y2), ...])        # 4. Exact RGB at points
enhance(path, region=(x,y,w,h), mode='auto')  # 5. Reveal low-contrast areas
isolate(path, region=(x,y,w,h))              # 6. Remove context bias

ツールリファレンス

すべての関数は scripts/see.py にあります。画像を生成する関数はすべて /home/claude/see_*.png に保存し、パスを返します。返されたパスに対して view ツールを使用してください。

grid(path, rows=3, cols=3, labels=True)

画像をラベル付きのセルに分割し、体系的に確認できるようにします。最初に呼び出してください。注意の競合を軽減できます。

sample(path, points, radius=3)

指定したピクセル座標の正確な RGB 値を返します。見えていると思うものを確かめるために使用してください。ノイズに対処するため、狭い範囲の平均を取ります。

histogram(path, region=None)

値の分布を示すカラーヒストグラムです。二峰性分布（隠れたグラデーション）、支配的な色、コントラストの範囲を明らかにします。region=(x,y,w,h) を指定すると、その領域だけを分析します。

enhance(path, region=None, factor=2.0, mode='contrast')

画像または領域のコントラストを高めます。モードは 'contrast'、'brightness'、'color'、'sharpness' です。しきい値に近い特徴には factor=3-5 を使用してください。

edges(path, threshold=50)

ソーベル法によるエッジ検出で、低コントラストでは見えない形状の境界を明らかにします。しきい値を下げるとエッジは増えますが、ノイズも増えます。出力は白地ではなく、黒地に白いエッジを表示したマップです。

gradient_map(path, region=None)

画像全体の局所的な勾配の大きさを計算します。明るい部分は勾配が大きく、暗い部分は平坦です。30ステップの検出しきい値を下回るグラデーションを明らかにします。

isolate(path, region, padding=20, bg=(128,128,128))

領域を切り出し、中間色のグレーの背景に配置します。同時対比やドレス型の錯視を引き起こす周囲のコンテキストを取り除きます。コンテキストによる偏りを最小限に抑えるため、bg パラメーターの既定値は中間色のグレーです。

compare(path, r1, r2)

2 つの領域を差分オーバーレイ付きで横に並べて比較します。ピクセル単位の違いを強調します。間違い探しタスクに使用してください。

count_elements(path, region=None, color_range=None, min_size=3)

連結成分分析を使用して、要素の数をプログラムで数えます。特定の色の要素を数えるには、おおよその color_range を ((r_min,g_min,b_min), (r_max,g_max,b_max)) の形式で指定します。

denoise(path, region=None, strength=3)

メディアンフィルターで写真のノイズを減らし、ノイズフロアに隠れた微妙な特徴（蒸気、かすかな反射など）を明らかにします。

palette(path, n=8)

k-means クラスタリングを使用して、最も支配的な n 色を抽出します。RGB 値とその比率を返します。SVG の再現に不可欠です。

精度に関する注意事項

複雑な画像では、まず grid() を呼び出してください。コンテキストの境界付近の色は sample() または isolate() で、15を超える数は count_elements() で、グラデーションは gradient_map() で、かすかな特徴は説明する前に enhance() で確認してください。これらはそれぞれブラインドスポット表の行にあたるため、証拠となるのはツールの呼び出しであり、知覚だけでは不十分です。

コメント

Markdown 対応