Design
应用自适应阈值操作，为小区域计算阈值，适用于光照变化的图像
用三种语言从你的代码中调用此工具。
# 1) Upload each file first → returns { filePath }
curl -X POST 'https://api.elysiatools.com/upload/image-adaptive-threshold' \
-F 'file=@/path/to/imageFile.ext'
# 2) Call the tool with the returned filePath values
curl -X POST 'https://api.elysiatools.com/zh/api/tools/image-adaptive-threshold' \
-F 'imageFile=/path/to/file.ext' \
-F 'blockSize=11' \
-F 'constant=2' \
-F 'method=gaussian'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST https://api.elysiatools.com/zh/api/tools/image-adaptive-threshold| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| imageFile | file需先上传 | 是 | — |
| blockSize | number | 是 | 用于计算像素阈值的像素邻域大小（必须为奇数） |
| constant | number | 否 | 从平均值或加权平均值中减去的常数。通常为正数。 |
| method | select | 是 | 使用的自适应阈值方法 |
文件结果
{
"filePath": "/public/processing/randomid.ext",
"fileName": "output.ext",
"contentType": "application/octet-stream",
"size": 1024,
"metadata": {
"key": "value"
},
"error": "Error message (optional)",
"message": "Notification message (optional)"
}将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置：
{
"mcpServers": {
"elysiatools-image-adaptive-threshold": {
"name": "image-adaptive-threshold",
"description": "应用自适应阈值操作，为小区域计算阈值，适用于光照变化的图像",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=image-adaptive-threshold",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后，列出已开放的工具：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用，参数由其参数表构建：
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "image-adaptive-threshold",
"arguments": {
"imageFile": "https://example.com/file.ext",
"blockSize": 11,
"constant": 2,
"method": "gaussian"
}
}
}有问题或反馈？请联系 [email protected]