farshid-mcp-imageProcessing

farshid-mcp-imageProcessing

面向 VS Code Copilot Agent Mode（或任何 MCP 客户端）的综合 OpenCV 图像处理 MCP 服务。提供约 40 种工具，涵盖网络摄像头捕获、图像 I/O、变换、颜色、滤波、边缘检测、阈值处理、形态学、轮廓／形状、特征匹配、对象检测（人脸／眼睛／身体／QR）、绘图、图像运算、模板匹配和视频处理。

• PyPI： farshid-mcp-imageProcessing
• MCP 注册表： io.github.pirahansiah/farshid-mcp-imageProcessing
• Python： 3.14+
• 操作系统： 最新版 Windows 11、最新版 macOS、最新主流 Linux（Ubuntu 24.04+/Fedora 41+）

安装（PyPI）

pip install farshid-mcp-imageProcessing
farshid-mcp-imageprocessing          # runs the stdio MCP server

在 VS Code 中注册

将以下内容添加到用户或工作区的 mcp.json：

{
  "servers": {
    "imageProcessing": {
      "command": "farshid-mcp-imageprocessing",
      "type": "stdio"
    }
  }
}

或者，如果你克隆了此仓库，并想使用本地 .venv 从源码运行：

git clone https://github.com/pirahansiah/farshid-mcp-imageProcessing
cd farshid-mcp-imageProcessing
# Windows (PowerShell):
py -3.14 -m venv .venv ; .\.venv\Scripts\Activate.ps1
# macOS / Linux:
python3.14 -m venv .venv && source .venv/bin/activate

pip install -U pip
pip install -e .

此项目使用 opencv-contrib-python，以便使用捆绑的 Haar 级联分类器和额外算法。

快速开始：/cv Copilot 提示词

此仓库附带一个工作区提示词文件： .github/prompts/cv.prompt.md。在 VS Code Copilot Chat（Agent 模式）中输入：

/cv take image from webcam and save it as gray scale 240 * 240

Agent 将调用此服务中的 webcam_save、image_to_grayscale 和 image_resize，在 ./.farshid/cv/ 下生成所需文件。

工具目录

网络摄像头／捕获

• webcam_capture(camera_index=0) → 返回 PNG 图像
• webcam_save(output_path="", camera_index=0)
• webcam_preview(camera_index=0, seconds=10)（本地桌面窗口）
• webcam_record(output_path, seconds=5, camera_index=0, fps=20)

图像 I/O 与信息

• image_show(path) — 将图像返回到聊天中
• image_info(path) — 形状、dtype、均值、文件大小
• image_convert(input_path, output_path, quality=95)

几何变换

• image_resize(... width|height|scale, interpolation)
• image_crop(input_path, output_path, x, y, width, height)
• image_rotate(input_path, output_path, angle, scale=1, keep_size=False)
• image_flip(input_path, output_path, direction)
• image_pad(... top, bottom, left, right, border_type, color)

颜色

• image_to_grayscale
• color_convert(target=gray|hsv|hls|lab|ycrcb|rgb|bgr)
• adjust_brightness_contrast
• histogram_equalize(method=clahe|global)
• histogram_data(bins=32)

滤波

• blur_gaussian(ksize, sigma)
• blur_median(ksize)
• blur_bilateral(d, sigma_color, sigma_space)
• sharpen(amount)
• denoise(strength)

边缘／梯度

• edges_canny(threshold1, threshold2)
• edges_sobel(ksize)
• edges_laplacian(ksize)

阈值处理与形态学

• threshold(method=otsu|binary|binary_inv|adaptive_mean|adaptive_gaussian)
• morphology(op=erode|dilate|open|close|gradient|tophat|blackhat)

轮廓与形状

• find_contours(input_path, output_path?, thresh, min_area)
• detect_circles(...) — Hough
• detect_lines(...) — 概率 Hough
• detect_corners(...) — Shi-Tomasi

特征匹配

• feature_match(image1, image2, output_path?) — ORB + BFMatcher

对象检测（Haar）

• detect_faces
• detect_eyes
• detect_bodies
• detect_qrcode

绘图

• draw_rectangle、draw_circle、draw_line、draw_text

合成／运算

• image_blend(image1, image2, output_path, alpha)
• image_diff(image1, image2, output_path?) → 平均／最大差异
• image_concat(images, output_path, direction)
• template_match(image_path, template_path, output_path?, threshold)

视频

• video_info(path)
• video_extract_frames(video_path, output_dir, every_n, max_frames, ext)
• video_thumbnail(video_path, output_path, time_seconds)

构建与发布

pip install -U build twine mcp-publisher
python -m build
twine upload dist/*
mcp-publisher login github
mcp-publisher publish .mcp/server.json

操作系统说明

• Windows 11（最新版本）： 摄像头开箱即用；请确保 设置 → 隐私和安全性 → 摄像头 → 允许桌面应用访问你的摄像头 已设为开。
• macOS（最新版本）： 首次调用摄像头时会触发系统摄像头权限提示；请向终端/VS Code 进程授予权限。
• Linux（最新版本）： 需要可正常工作的 /dev/video* 设备。没有显示器的无头服务器无法使用 webcam_preview（它会打开一个 OpenCV 窗口）。

说明

• 请勿在工具函数中使用 print()：stdout 是 MCP 协议通道。请使用 sys.stderr（server.py 底部的 _log 辅助函数）。
• webcam_preview 会打开真实的桌面窗口——仅在服务具有显示器的环境中有效（不能通过纯 SSH 或在无头容器中使用）。
• 所有路径均支持 ~ 展开。输出目录会自动创建。
• 返回带注释图像的工具接受可选的 output_path；省略时只返回 JSON 元数据。