图像质量改善MCP服务器
该项目提供了一套用于图像大小调整、裁剪、格式转换和质量分析的工具，作为MCP（模型上下文协议）服务器构建。
以下是中所有功能的列表 main.py，并对每一项进行简要说明。
______________________________________________________________________
工具函数
validate_image_path（路径：str）->bool
验证给定路径是否指向具有支持扩展名的现有图像文件。
get_image_format_from_extension（扩展名：str）->str
返回给定文件扩展名的PIL图像格式字符串（例如“JPEG”、“PNG”）。
calculate_blur_metric（图像数组：np.ndarray）->浮点
使用拉普拉斯方差计算图像的模糊度量（值越高，图像越清晰）。
calculate_noise_metric（图像数组：np.ndarray）->浮点
使用高斯模糊后的局部标准偏差估计图像中的噪声水平。
calculate_brightness_contrast（图像：image.image）->元组\[float，float\]
计算图像的亮度和对比度。对于彩色图像，使用亮度和加权标准偏差。
analyze_image_quality（image_path:str）->Dict\[str，Any\]
对图像质量进行全面分析，包括锐度、噪声、亮度和对比度，并返回质量评估。
______________________________________________________________________
MCP工具功能
这些函数作为MCP工具公开，可以通过MCP服务器调用。
resize_image（image_path:str，width:int，height:int，output_path:Optional\[str\]=None，maintain_aspect_ratio:bool=True，resample_method：str=“LANCZOS”）->Dict\[str，Any>
将单个图像调整为指定尺寸，可选择保持纵横比并选择重采样方法。
batch_resize_images（输入目录：str，宽度：int，高度：int，输出目录：可选\[str\]=无，maintain_aspect_ratio:bool=真，重采样方法：str=“LANCZOS”，file_pattern:str=“\*”）->Dict\[str，Any>
使用输出目录、纵横比和文件模式选项，将目录中的所有图像批量调整为指定尺寸。
crop_image（image_path:str，x:int，y:int，width:int，height:int，output_path:Optional\[str\]=None）->Dict\[str，Any>
将图像裁剪到由（x，y，宽度，高度）定义的指定矩形区域。
convert_image_format（image_path:str，target_format:str，output_path:Optional\[str\]=None，quality:int=95）->Dict\[str，Any>
使用可选的输出路径和质量设置将图像转换为其他格式（例如JPEG、PNG、WEBP）。
analyze_single_image_quality（image_path:str）->Dict\[str，Any>
分析单个图像的质量，返回指标和质量评估。
batch_analyze_image_quality（目录路径：str，文件模式：str=“\*”，保存报告：bool=False，报告路径：可选\[str\]=无）->字典\[str，任意>
分析目录中所有图像的质量，返回摘要和详细结果。可选地将报告保存为JSON。
smart_crop_image（image_path:str，target_width:int，target_height:int，output_path:可选\[str\]=无，focus_point:可选\[Tuple\[int，int\]\]=无）->Dict\[str，Any>
执行智能裁剪，将图像调整到目标尺寸，可选择聚焦于特定点以保留重要内容。
______________________________________________________________________
入口点
如果作为主模块执行，该脚本将运行MCP服务器。