# openpiv

Скилл для измерения полей скоростей жидкости из пар снимков частиц. Обрабатывает корреляцию окон, валидацию векторов, расчёт вихря и турбулентности — нужен для анализа экспериментов по визуализации потоков.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 943 установки · ★ 54652
- Автор: K-Dense-AI
- Лицензия: BSD-3-Clause · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/openpiv/SKILL.md
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/skills/openpiv

## Что делает

OpenPIV анализирует движение жидкости по сдвинутым изображениям трассирующих частиц. Скилл берёт две последовательные фотографии, делит их на окна, ищет смещение через кросс-корреляцию, отбрасывает шумные векторы и масштабирует результат в физические единицы. Итог — поле скоростей (x, y, u, v) плюс флаги для выбросов.

Внутри лежат функции из openpiv 0.26.1: `extended_search_area_piv` для корреляции, `validation.sig2noise_val` для отсева, `filters.replace_outliers` для интерполяции выбросов, `windef.simple_multipass` для многопроходной обработки. Масштабирование в физические единицы делает `scaling.uniform`. Требует Python 3.10+ и `uv pip install openpiv` — numpy, scipy, scikit-image, matplotlib подходят как зависимости. Без сети после установки.

Замечание: пороги сигнал-шум для методов `peak2mean` и `peak2peak` на разных шкалах — порог, подобранный для одного, даст брак на другом. В примерах используется `backend="scipy"`, проверено на нём.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill openpiv -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/openpiv/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/openpiv/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill openpiv -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/openpiv/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill openpiv -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/openpiv/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills openpiv
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/openpiv/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill openpiv -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/openpiv
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/openpiv/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill openpiv -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/openpiv/SKILL.md

## Когда брать
- извлечь поле скоростей из пары PIV-снимков
- отсеять и заменить выбросы в измеренных векторах
- масштабировать пиксельные смещения в физические единицы
- рассчитать вихрь, растяжение и турбулентность из векторов
- настроить размер и перекрытие окон для баланса разрешения и корреляции

## Примеры запросов агенту
- Проанализируй эти две фотографии PIV как пару: кросс-коррелируй с окном 32×32, перекрытие 12 пикселей, масштаб 96.52 пикселей/мм
- Загрузи снимки из `frame_a.bmp` и `frame_b.bmp`, запусти многопроходной анализ с окнами 64, 32, 16 пикселей, порог сигнал-шум 1.05
- Построй маску интенсивности для обеих фотографий, затем обработай область вне маски как исключённую физическую область

## Похожие
- [scipy-best-practices](https://affpapa.org/nevibecode/skills/scipy-best-practices.md) — скилл · 1000 установок
- [scientific-toolkit-skill](https://affpapa.org/nevibecode/skills/scientific-toolkit-skill.md) — скилл · 816 установок
- [julia](https://affpapa.org/nevibecode/skills/julia.md) — скилл · 687 установок
- [julia-development](https://affpapa.org/nevibecode/plugins/julia-development.md) — плагин · ★ 41729
- [vision-analysis](https://affpapa.org/nevibecode/skills/vision-analysis.md) — скилл · 2700 установок
- [gemini-image](https://affpapa.org/nevibecode/skills/gemini-image.md) — скилл · 1200 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 159 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md