两个 skill 可用 · 全程本地跑

一个能力，一个 skill。
拷走一个目录就能用。

图片处理能力库。说明书、代码、单测、真实素材装在同一个目录里。不装框架、不跑构建、不注册账号，也不用先把整库装一遍。

看两个能力怎么开始

2个: 已收录 skill
抠图标 · 去水印
2组: 真实素材入库
勋章墙 · 证件照
8条: 单元测试
每个能力都带判据
0次: 联网调用
不传图 · 不调模型

两个能力

共同点不是「都能处理图片」，而是都能被一条命令重跑 —— 同一份素材、同样的参数，今天和明年出一样的结果。产物不入库，因为它能重建。

matte-cut 自 v0.1.0 纯色底截图 → 透明图标

把纯色背景截图里等距排列的图标、徽章、卡片，批量抠成带透明通道的 PNG —— 自动识别网格、统一画布、按图上的文字命名。1017 × 12738 的长截图，一条命令出 93 张。

起因：微信读书 93 枚勋章，一张超长截图里 3 列 31 行。手动抠到手废，而且深色款按颜色一刀切会抠出洞。

什么时候用

成就墙、徽章墙、图标墙、奖杯网格这类纯色底长截图
要能直接排版的透明 PNG，不是抠完还剩一圈灰底的 jpg
文件名要能认出是哪个 —— 按截图里的文字自动命名

为什么不像「选个色再删掉」那么简单

背景从画面边缘往里灌，不按颜色阈值一刀切 —— 被描边围住的深色区才不会被咬出洞
边缘做颜色解混，把混进去的背景色减掉，贴白底不挂一圈灰蓝
张数用 --expect 卡死，少一张直接非零退出

skills/matte-cut

./bin/pickit probe fixtures/weread/badge.png --clusters-dir outputs/_clusters
./bin/pickit cut fixtures/weread/badge.png -o outputs/badges \
  --labels-map fixtures/weread/labels.json --expect 93

不适用：照片 / 渐变 / 复杂场景背景（前提就不是纯色）、元素互相重叠粘连、需要放大超分。分辨率是硬天花板 —— 原图一个图标 240px，抠出来就是 240px，别指望它变清晰。

remove-watermark 自 v0.2.0 只改水印区，框外 0 像素

去掉图片局部的浅色 / 深色文字水印。命令行自己打印「框外改动 N px」， 非 0 直接失败退出 —— "其他都不要改"不是承诺，是机器检查。

起因：2026-07 一张 899 × 1280 证件照，右下角压着浅灰的「豆包AI生成」。当时的代码嵌在文档里、参数写死；现在它是一条有验收判据的命令。

三条路，按图的脾气选

阈值法 —— 水印和背景灰度分得开时，probe 定阈值 → remove 修补
手绘 mask —— 阈值法判死时，画一张同尺寸黑白图直接指定要擦哪里
AI 擦除 + 回贴 —— 低对比水印压在纹理上时，只把模型改过的那块贴回来，区域外仍取原图

为什么值得用

先判能不能做：probe 判死就直说，并给替代路径，不让你反复调参碰运气
零新依赖：numpy + Pillow 就能跑；装了 OpenCV 自动切到 inpaint 拿更好的纹理
可量化验收：框外逐像素相等，mask 内与干净底图 MAE 下降 ≥50%

skills/remove-watermark

# 先侦察：这张图能不能用阈值法？
./bin/remove-watermark probe 待处理.jpg --preview-dir outputs/_probes

# 能用就一条命令擦掉，ROI 是水印所在的矩形
./bin/remove-watermark remove 待处理.jpg -o outputs/clean.png --roi 0.72,0.87

不适用：铺满全图的多处重复水印（得分多次跑）、要求输出文件与源 JPEG 二进制完全一致 —— 这做不到，请输出 PNG（无损）。

先判断这活能不能干

两个 skill 的第一步都不是「处理」，是「判断」。抠图质量的天花板由源图决定，去水印的成败由水印与背景的灰度关系决定 —— 这两个前提改不了，所以不如写在门口。

matte-cut

✓背景纯色 —— probe 报的覆盖率 > 90%
✓元素之间有干净间隙 —— 粘连的会被当成一块乱切
✓四周留了背景 —— 贴边的会被截断，清单里会给警告
✕覆盖率低于 80% ⇒ 背景有渐变或纹理，先跟用图的人确认

remove-watermark

✓两条判据都过 —— 扫描曲线有「平台」且亮脊占比 ≥ 50%
✓水印底下是低频背景 —— 纯色、渐变、衣服布料
✓水印集中在一小块 —— 一个矩形能框住
✕人脸、草地、密集花纹 ⇒ 修补会糊，这是方法上限，不是参数没调对

判死

判死不是失败，是结论。 probe 说不能用阈值法时会退出码 1，并直接给替代路径（手绘 mask / AI 擦除后回贴），而不是让你在参数里试到天黑。背景里有和水印同亮度的成片区域时，覆盖率曲线会形成假平台 —— 这也是它为什么要多看一项「选中的到底是不是笔画」。

明确不做

写进 PRD 第 5 节，连「什么条件下可以重启」一起写。省得每次有人问「为什么不能」。

超分放大

原图分辨率就是天花板，插值只是变糊。真要更大得用模型，那是另一个能力。

抠照片或渐变背景

前提就是纯色底。复杂背景要分割模型，不是调参能解决的。

OCR 认字

同一张截图里相同文字像素级一致，聚类比 OCR 更准，还零依赖。

自动定位水印

水印与背景的关系每张图都不同，自动判断容易误伤正常内容 —— 所以由人给 ROI 或 mask。

开始用

没有「安装本库」这一步 —— 源码即产物，clone 下来就能跑。

① 拿下来，装两个包

git clone \
  https://github.com/xiachangjin/MySkill-PicKit.git
cd MySkill-PicKit
pip install numpy pillow   # 必需依赖就这两个

② 进到能力目录再跑

cd skills/matte-cut
./bin/pickit probe 你的图.png \
  --clusters-dir outputs/_clusters
# 每个 skill 自包含，命令都在自己目录里跑

环境：Python 3 + numpy + Pillow。命令入口是 sh 脚本，macOS / Linux 直接跑； Windows 上改用 python -m pickit 并自行设 PYTHONPATH=src。可选装 OpenCV 让去水印拿到更好的纹理，不装也能出图（自动回退到纯 numpy 实现）。