看图识画·像素级图像视觉分析（黑屏/颜色/选中态/对象定位）

分享海报

@user_775aab60/pixel-image-vision

让纯文本 AI（如 qwen2.5/DeepSeek 系）拥有"识图眼睛"——看图后不只能 OCR，还能判断画面状态（黑屏/白屏/冻结）、分析颜色占比、定位 UI 选中高亮、找指定颜色的对象位置、判断画面复杂度。典型触发——用户上传/截图一张图问"这是什么画面""这游戏/软件现在什么状态""这块区域是什么颜色""占比多少""有没有黑屏/卡死""哪个按钮被选中了""帮我找出图中的红点在哪"，或把截图给 AI 让它"看懂后再操作"。英文触发：analyze/understand an image or screenshot, what is on screen, is the screen black/frozen, dominant colors and their percentages, find a colored object, detect selected/highlighted UI element, describe what a picture shows. 能力与边界：①内置像素级分析引擎(仅需 python3+pip 装 pillow/opencv-python/numpy，零 API key 零预装)，可做主色占比(kmeans)、黑屏/白屏/暗画面/冻结判定、指定色定位、高亮/选中区检测、边缘复杂度；②可选语义兜底——自动探测本机 Ollama 的 minicpm-v/llava 等小视觉模型来"看懂画面在发生什么/识别对象"(探测不到则仅用像素分析，不报错)；③不做图片生成、不做 OCR 文字提取(如需提取文字请用专门 OCR 技能)。差异化：市面 image-vision/image-understanding/glm-v-model/ghost-eye 等识图技能要么假设宿主模型自带视觉(纯提示词无效)、要么强制用户自带云端视觉 API key 或本地拉几 GB 大模型；本技能自带轻量像素分析引擎，任何图片零 key 即可先拿到结构化画面事实，语义理解仅在探测到本地小模型时才启用——更轻、更快、真正零预装可用。