Design

图像Sobel边缘检测

应用Sobel算子进行边缘检测，突出图像中的边界和轮廓

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-sobel' \
  -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-sobel' \
  -F 'imageFile=/path/to/file.ext' \
  -F 'direction=both' \
  -F 'threshold=0' \
  -F 'outputMode=grayscale' \
  -F 'normalize=true'

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-sobel

请求参数

参数名	类型	必填	说明
imageFile	file需先上传	是	应用Sobel边缘检测的图片
direction	select	否	要应用的边缘检测方向
threshold	number	否	边缘检测阈值（0-255）。更高值仅检测强边缘
outputMode	select	否	如何渲染边缘检测结果
normalize	checkbox	否	归一化输出以增强边缘可见性

文件类型参数需先通过 POST /upload/image-sobel 上传，再将返回的 filePath 传入对应的文件字段。

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-sobel": {
      "name": "image-sobel",
      "description": "应用Sobel算子进行边缘检测，突出图像中的边界和轮廓",
      "baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=image-sobel",
      "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-sobel",
    "arguments": {
  "imageFile": "https://example.com/file.ext",
  "direction": "both",
  "threshold": 0,
  "outputMode": "grayscale",
  "normalize": true
}
  }
}

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）。

文件参数仅支持公开的文件链接 URL（https://…）。不支持本地路径、data: URI 和 Base64 字符串。

浏览工具打开工具