imutils-skill - 批量图像处理 Skill

> 📸 基于 PyImageSearch/imutils 的批量图像处理工具

>

> ⭐ 原项目：https://github.com/PyImageSearch/imutils (4.6k stars)

🎯 功能

批量处理图片：

• ✅ 旋转图片（任意角度）
• ✅ 缩放图片（指定尺寸或比例）
• ✅ 平移图片（X/Y 轴移动）
• ✅ 骨架化（图像预处理）
• ✅ 批量列出图片

适用场景：

• 📦 电商产品图批量处理
• 📱 社交媒体配图批量调整
• 🖼️ 摄影师作品集水印
• 📊 数据增强（AI 训练图片）

🚀 快速开始

前提条件

1. 已安装 CLI-Anything 和 imutils CLI

```bash

# 如果还没安装，运行：

cd E:\AI-Tools\CLI-Anything\CLI-Anything\imutils\agent-harness

pip install -e .

```

1. Python 3.10+
2. 依赖包： opencv-python, numpy, imutils

安装 Skill

# 方法 1：从 GitHub 安装（推荐）
npx skills add your-github-username/openclaw-skill-imutils

# 方法 2：本地安装
npx skills add E:\AI-Tools\CLI-Anything\openclaw-skill-imutils

使用示例

1️⃣ 旋转图片

/rotate-image --input photo.jpg --output rotated.jpg --angle 90

参数：

• --input - 输入图片路径（必需）
• --output - 输出图片路径（必需）
• --angle - 旋转角度，默认 0（可选）
• --scale - 缩放比例，默认 1.0（可选）

示例：

/rotate-image --input cactus.jpg --output cactus_90.jpg --angle 90

2️⃣ 缩放图片

/resize-image --input photo.jpg --output small.jpg --width 800 --height 600

参数：

• --input - 输入图片路径（必需）
• --output - 输出图片路径（必需）
• --width - 目标宽度（可选，0=自动计算）
• --height - 目标高度（可选，0=自动计算）
• --interpolation - 插值方法：nearest|bilinear|cubic|area|lanczos，默认 area（可选）

示例：

# 缩放到 800x600
/resize-image --input photo.jpg --output small.jpg --width 800 --height 600

# 等比例缩放（只指定宽度）
/resize-image --input photo.jpg --output small.jpg --width 800

# 等比例缩放（只指定高度）
/resize-image --input photo.jpg --output small.jpg --height 600

3️⃣ 平移图片

/translate-image --input photo.jpg --output shifted.jpg --x 50 --y 30

参数：

• --input - 输入图片路径（必需）
• --output - 输出图片路径（必需）
• --x - X 轴平移像素，默认 0（可选）
• --y - Y 轴平移像素，默认 0（可选）

示例：

# 向右平移 50 像素，向下平移 30 像素
/translate-image --input photo.jpg --output shifted.jpg --x 50 --y 30

4️⃣ 骨架化

/skeletonize --input photo.jpg --output skeleton.jpg

参数：

• --input - 输入图片路径（必需）
• --output - 输出图片路径（必需）

示例：

/skeletonize --input text.png --output text_skeleton.png

5️⃣ 批量列出图片

/list-images --folder ./photos --ext .jpg

参数：

• --folder - 图片文件夹路径（必需）
• --ext - 图片扩展名，默认 .jpg（可选）

示例：

/list-images --folder E:\客户图片 --ext .jpg

💼 批量处理脚本

场景 1：批量旋转 90 度

批量旋转当前文件夹所有图片 90 度，输出到 rotated/ 文件夹

AI 会执行：

New-Item -ItemType Directory -Path "rotated" -Force
$files = Get-ChildItem "*.jpg"
foreach ($file in $files) {
    $output = "rotated/" + $file.Name
    /rotate-image --input $file.FullName --output $output --angle 90
}

场景 2：批量缩放到社交媒体尺寸

把所有图片缩放到微信公众号封面尺寸（900x383）

AI 会执行：

New-Item -ItemType Directory -Path "wechat" -Force
$files = Get-ChildItem "*.jpg"
foreach ($file in $files) {
    $output = "wechat/" + $file.Name
    /resize-image --input $file.FullName --output $output --width 900 --height 383
}

场景 3：批量添加边框（平移实现）

给所有图片添加 50 像素的白色边框

AI 会执行：

New-Item -ItemType Directory -Path "bordered" -Force
$files = Get-ChildItem "*.jpg"
foreach ($file in $files) {
    # 先缩放图片（缩小）
    $temp = "temp_" + $file.Name
    /resize-image --input $file.FullName --output $temp --width 700 --height 700
    # 再平移（创造边框效果）
    $output = "bordered/" + $file.Name
    /translate-image --input $temp --output $output --x 50 --y 50
    Remove-Item $temp
}

📊 性能参考

注：性能取决于 CPU 和图片大小，收费参考市场价

🔧 技术细节

CLI 实现

本 Skill 封装了 cli-anything-imutils 命令行工具：

# 核心依赖
from imutils import rotate, resize, translate, skeletonize
import cv2
import numpy as np

文件结构

openclaw-skill-imutils/
├── SKILL.md              # 本文件
├── scripts/
│   ├── rotate.js         # 旋转脚本
│   ├── resize.js         # 缩放脚本
│   ├── translate.js      # 平移脚本
│   └── skeleton.js       # 骨架化脚本
└── references/
    └── imutils-docs.md   # 参考文档

📚 参考资源

• 原项目： https://github.com/PyImageSearch/imutils
• imutils 文档： https://github.com/PyImageSearch/imutils#readme
• OpenCV 文档： https://docs.opencv.org/
• PyImageSearch 教程： https://www.pyimagesearch.com/

🤝 贡献

欢迎提交 Issue 和 PR！

作者： Boss（通过 AI 辅助开发）

AI 助手： Jarvis (OpenClaw)

发布日期： 2026-03-14

📝 更新日志

v1.0.0 (2026-03-14)

• ✅ 初始版本
• ✅ 实现旋转、缩放、平移、骨架化功能
• ✅ 添加批量处理示例
• ✅ 添加接单场景参考

💬 使用技巧

对 AI 这样说：

"用 imutils-skill 批量处理这些图片"
"把所有产品图旋转 90 度"
"缩放到微信公众号尺寸"
"给这 100 张图添加边框"

AI 会自动：

1. 调用对应的命令
2. 批量处理文件
3. 输出到指定文件夹
4. 报告处理结果

Happy Coding! 🎉