Design

中值滤波器

应用中值滤波器去除噪点同时保持边缘，提供多种算法

file· 文件结果打开工具

快速开始

用三种语言从你的代码中调用此工具。

cURL

# 1) Upload each file first → returns { filePath }
curl -X POST 'https://api.elysiatools.com/upload/image-median-pass' \
  -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-median-pass' \
  -F 'imageFile=/path/to/file.ext' \
  -F 'algorithm=standard' \
  -F 'kernelSize=3' \
  -F 'iterations=1' \
  -F 'threshold=30' \
  -F 'preserveEdges=true' \
  -F 'channels=all' \
  -F 'format=original' \
  -F 'quality=95'

API 参考

以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。

请求端点

HTTP

POST https://api.elysiatools.com/zh/api/tools/image-median-pass

请求参数

参数名	类型	必填	说明
imageFile	file需先上传	是	上传任何图片文件（JPEG、PNG、WebP、GIF、BMP、TIFF）来去除噪点同时保持边缘
algorithm	select	否	选择中值滤波算法。标准算法适用于大多数噪点类型
kernelSize	range	否	中值滤波器核的大小（必须为奇数）。更大的核去除更多噪点但可能模糊细节
iterations	number	否	中值滤波器处理次数。更多迭代 = 更强的降噪
threshold	range	否	噪点检测的敏感度。更高值过滤得较不激进

MCP 集成

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。

服务配置

将以下内容加入你的 MCP 客户端配置：

mcp.json

{
  "mcpServers": {
    "elysiatools-image-median-pass": {
      "name": "image-median-pass",
      "description": "应用中值滤波器去除噪点同时保持边缘，提供多种算法",
      "baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=image-median-pass",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

列出可用工具

连接到 SSE 端点后，列出已开放的工具：

tools/list

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/list"
}

调用此工具

通过工具 id 调用，参数由其参数表构建：

tools/call

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "image-median-pass",
    "arguments": {
  "imageFile": "https://example.com/file.ext",
  "algorithm": "standard",
  "kernelSize": 3,
  "iterations": 1,
  "threshold": 30,
  "preserveEdges": true,
  "channels": "all",
  "format": "original",
  "quality": 95
}
  }
}

可用逗号分隔的 toolId 在一个会话中串联多个工具，例如 /mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp（最多 20 个）。

浏览工具打开工具