Help us improve
Share bugs, ideas, or general feedback.
From image-tools
Dividir e separar imagens em múltiplas partes independentes. Use esta skill sempre que o usuário pedir para dividir imagem em grade/grid, separar elementos de uma imagem, extrair ícones de sprite sheet, cortar imagem em pedaços, fatiar em colunas ou linhas, auto-detectar elementos em fundo uniforme, separar imagens compostas. Também ativa para 'split', 'grid', 'sprite sheet', 'separar elementos', 'dividir em partes', 'extrair de imagem', 'desmembrar', 'fatiar', 'split horizontal', 'split vertical', 'auto-split', 'detectar elementos', 'collage para imagens individuais'. Inclui detecção automática de elementos com OpenCV.
npx claudepluginhub hmaurus/masterclaude --plugin image-toolsHow this skill is triggered — by the user, by Claude, or both
Slash command
/image-tools:splitThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
Ferramenta para dividir imagens em múltiplas partes independentes: grade regular, faixas horizontais/verticais, e auto-detecção de elementos em fundo uniforme.
Overlays a numbered grid on an image to measure column proportions and boundaries for table layout analysis. Useful when analyzing screenshot mockups or printed forms before generating a tabular document.
Exports pixel art sprites from Aseprite to PNG, GIF, spritesheets, and JSON metadata for game engines like Unity, Godot, Phaser. Supports layouts, scaling, and frame exports.
Generates and edits images via a unified CLI supporting OpenAI gpt-image-2 and Codex, with masks, transparent backgrounds, and up to 4K sizes.
Share bugs, ideas, or general feedback.
Ferramenta para dividir imagens em múltiplas partes independentes: grade regular, faixas horizontais/verticais, e auto-detecção de elementos em fundo uniforme.
Usa Pillow + numpy + OpenCV (headless) em virtualenv isolado em ~/venvs/image-split/.
test -f ~/venvs/image-split/bin/python && ~/venvs/image-split/bin/python -c "import PIL; import numpy; print('OK')" || echo "PRECISA_INSTALAR"
bash ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/setup.sh
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py INPUT --OPERAÇÃO [OPÇÕES]
Cada operação gera múltiplos arquivos em uma pasta de saída. Por padrão cria <nome>_split/ ao lado do arquivo original.
| Operação | Flag | Exemplo | Resultado |
|---|---|---|---|
| Grade | --grid CxR | --grid 4x3 | 12 pedaços (4 col × 3 linhas) |
| Faixas horiz. | --split-h N | --split-h 3 | 3 faixas de cima para baixo |
| Faixas vert. | --split-v N | --split-v 2 | 2 faixas esquerda para direita |
| Auto-detect | --auto-split | --auto-split | N elementos detectados |
--grid CxR divide a imagem em C colunas × R linhas.
# Sprite sheet 4 colunas × 3 linhas = 12 sprites
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py sprites.png --grid 4x3
# Collage 2×2
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py collage.jpg --grid 2x2
Arquivos de saída seguem o padrão: {nome}_r{linha}_c{coluna}.{ext}
--split-h N divide em N faixas horizontais iguais (cortes de cima para baixo).
# Banner longo → 3 partes iguais
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py banner.jpg --split-h 3
Arquivos de saída: {nome}_strip_{n}.{ext}
--split-v N divide em N faixas verticais iguais (cortes da esquerda para direita).
# Panorâmica → 2 metades
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py panorama.jpg --split-v 2
Arquivos de saída: {nome}_col_{n}.{ext}
--auto-split detecta elementos distintos em fundo uniforme e extrai cada um como imagem independente. Ideal para:
Método de detecção: Usa OpenCV (contour detection com operações morfológicas) se disponível. Fallback para análise de projeção com numpy — funciona bem para layouts organizados em grade/coluna/linha.
# Auto-detectar elementos
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py icons.png --auto-split
# Elementos pequenos (mínimo 30px)
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py stickers.png --auto-split --min-size 30
# Mais margem ao redor de cada elemento
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py composicao.png --auto-split --split-padding 15
# Fundo não-uniforme (aumentar tolerância)
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py foto.jpg --auto-split --fuzz 50
| Parâmetro | Padrão | Descrição |
|---|---|---|
--min-size N | 50 | Tamanho mínimo em pixels para considerar como elemento |
--split-padding N | 5 | Margem ao redor de cada elemento extraído |
--fuzz N | 30 | Tolerância para detecção de fundo (0-255) |
Dicas para ajustar:
--min-size--split-padding--fuzz--fuzz| Opção | Descrição |
|---|---|
--output DIR | Diretório de saída (padrão: <nome>_split/ ao lado do original) |
--prefix TEXTO | Prefixo para nomes dos arquivos (padrão: nome do arquivo original) |
--format EXT | Formato de saída: jpg, png, webp, bmp, tiff (padrão: mesmo do original) |
--quality N | Qualidade JPG/WebP (1-95, padrão: 85) |
# Salvar como WebP em pasta específica
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py sprite.png --grid 4x4 --format webp --output ~/sprites/
# Prefixo customizado
~/venvs/image-split/bin/python ${CLAUDE_PLUGIN_ROOT}/skills/split/scripts/split.py tileset.png --grid 8x8 --prefix tile
Cada operação de split gera um _manifest.json no diretório de saída com metadados: arquivo fonte, operação, e lista de pedaços com dimensões. Útil para automação e referência.
~/venvs/image-split/bin/python existe--fuzz, --min-size ou --split-padding e tentar novamente