OpenCV MCP

MCP сервер, который предоставляет мощные возможности компьютерного зрения OpenCV, позволяя AI ассистентам обрабатывать изображения и видео для таких задач, как детекция объектов, распознавание лиц, обнаружение границ и анализ видео.

Установка

pip

pip install opencv-mcp-server

uvx

brew install uv

Из исходного кода

git clone https://github.com/yourusername/opencv-mcp-server.git
cd opencv-mcp-server
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
pip install -e .

Конфигурация

Claude Desktop

{
    "mcpServers": {
        "opencv": {
            "command": "uvx",
            "args": [
                "opencv-mcp-server"
            ]
        }
    }
}

Доступные инструменты

Инструмент	Описание
`save_image_tool`	Сохраняет изображение в файл
`convert_color_space_tool`	Преобразует изображение между цветовыми пространствами (BGR, RGB, GRAY, HSV и др.)
`resize_image_tool`	Изменяет размер изображения до указанных размеров
`crop_image_tool`	Обрезает область изображения
`get_image_stats_tool`	Получает статистическую информацию об изображении
`apply_filter_tool`	Применяет различные фильтры к изображению (размытие, гауссов, медианный, билатеральный)
`detect_edges_tool`	Обнаруживает границы в изображении различными методами (Canny, Sobel, Laplacian, Scharr)
`apply_threshold_tool`	Применяет пороговую обработку к изображению (бинарная, адаптивная и др.)
`detect_contours_tool`	Обнаруживает и опционально рисует контуры в изображении
`find_shapes_tool`	Находит базовые фигуры в изображении (круги, линии)
`match_template_tool`	Находит шаблон в изображении
`detect_features_tool`	Обнаруживает особенности в изображении методами SIFT, ORB, BRISK
`match_features_tool`	Сопоставляет особенности между двумя изображениями
`detect_faces_tool`	Обнаруживает лица в изображении с помощью каскадов Хаара или DNN
`detect_objects_tool`	Обнаруживает объекты с помощью предобученных DNN моделей (например, YOLO)

Возможности

Базовая работа с изображениями и их обработка (чтение, сохранение, конвертация)
Обработка и улучшение изображений (изменение размера, обрезка, применение фильтров)
Обнаружение границ и анализ контуров
Продвинутые возможности компьютерного зрения (детекция особенностей, обнаружение объектов)
Детекция и распознавание лиц
Обработка и анализ видео (извлечение кадров, детекция движения)
Отслеживание объектов в видео
Интеграция с камерой для детекции объектов в реальном времени

Переменные окружения

Опциональные

MCP_TRANSPORT - Метод транспортировки
OPENCV_DNN_MODELS_DIR - Директория для хранения DNN моделей
CV_HAAR_CASCADE_DIR - Директория для хранения файлов каскадов Хаара

Примеры использования

Изменить размер изображения до 800x600 пикселей

Применить фильтр размытия Гаусса для уменьшения шума в изображении

Обнаружить лица на групповой фотографии

Найти объекты на уличной сцене с помощью модели YOLO

Извлечь каждый 10-й кадр из видео

Ресурсы

GitHub Repository

Примечания

Серверу требуются предобученные модели (веса YOLO, модели детекции лиц), которые должны быть размещены в директории models для функций обнаружения объектов и лиц. Инструменты можно соединять в цепочки, используя output_path от одного инструмента как вход для другого.

Installation

Description