使用说明

图像质量改善MCP服务器

该项目提供了一套用于图像大小调整、裁剪、格式转换和质量分析的工具，作为MCP（模型上下文协议）服务器构建。

以下是中所有功能的列表 main.py，并对每一项进行简要说明。

工具函数

validate_image_path（路径：str）->bool

验证给定路径是否指向具有支持扩展名的现有图像文件。

get_image_format_from_extension（扩展名：str）->str

返回给定文件扩展名的PIL图像格式字符串（例如“JPEG”、“PNG”）。

calculate_blur_metric（图像数组：np.ndarray）->浮点

使用拉普拉斯方差计算图像的模糊度量（值越高，图像越清晰）。

calculate_noise_metric（图像数组：np.ndarray）->浮点

使用高斯模糊后的局部标准偏差估计图像中的噪声水平。

calculate_brightness_contrast（图像：image.image）->元组[float，float]

计算图像的亮度和对比度。对于彩色图像，使用亮度和加权标准偏差。

analyze_image_quality（image_path:str）->Dict[str，Any]

对图像质量进行全面分析，包括锐度、噪声、亮度和对比度，并返回质量评估。

MCP工具功能

这些函数作为MCP工具公开，可以通过MCP服务器调用。

resize_image（image_path:str，width:int，height:int，output_path:Optional[str]=None，maintain_aspect_ratio:bool=True，resample_method：str=“LANCZOS”）->Dict[str，Any>

将单个图像调整为指定尺寸，可选择保持纵横比并选择重采样方法。

batch_resize_images（输入目录：str，宽度：int，高度：int，输出目录：可选[str]=无，maintain_aspect_ratio:bool=真，重采样方法：str=“LANCZOS”，file_pattern:str=“*”）->Dict[str，Any>

使用输出目录、纵横比和文件模式选项，将目录中的所有图像批量调整为指定尺寸。

crop_image（image_path:str，x:int，y:int，width:int，height:int，output_path:Optional[str]=None）->Dict[str，Any>

将图像裁剪到由（x，y，宽度，高度）定义的指定矩形区域。

convert_image_format（image_path:str，target_format:str，output_path:Optional[str]=None，quality:int=95）->Dict[str，Any>

使用可选的输出路径和质量设置将图像转换为其他格式（例如JPEG、PNG、WEBP）。

analyze_single_image_quality（image_path:str）->Dict[str，Any>

分析单个图像的质量，返回指标和质量评估。

batch_analyze_image_quality（目录路径：str，文件模式：str=“*”，保存报告：bool=False，报告路径：可选[str]=无）->字典[str，任意>

分析目录中所有图像的质量，返回摘要和详细结果。可选地将报告保存为JSON。

smart_crop_image（image_path:str，target_width:int，target_height:int，output_path:可选[str]=无，focus_point:可选[Tuple[int，int]]=无）->Dict[str，Any>

执行智能裁剪，将图像调整到目标尺寸，可选择聚焦于特定点以保留重要内容。

入口点

如果作为主模块执行，该脚本将运行MCP服务器。