### 使用Python实现图像识别并生成Excel或CSV表格 为了完成这一目标，可以采用以下技术栈：`OpenCV`用于图像预处理和特征提取；`pytesseract`作为OCR引擎来解析图像中的文字信息；`pandas`负责将结果保存到Excel或CSV文件中。 #### 1. 图像识别流程概述 图像识别通常分为以下几个部分： - **图像加载与预处理**：通过 `cv2.imread()` 加载图片，并使用 OpenCV 提供的功能进行灰度化、二值化或其他必要的操作[^1]。 - **光学字符识别 (OCR)**：借助 `pytesseract.image_to_string()` 方法从经过预处理的图像中提取文本内容[^5]。 - **数据存储**：利用 Pandas 的 DataFrame 结构整理 OCR 输出的结果，并将其导出为 Excel 或 CSV 文件[^3]。 以下是具体实现方式： #### 2. 安装所需依赖项 确保已安装所有必要库。可以通过如下命令一次性安装这些包： ```bash pip install opencv-python pytesseract pandas ``` 注意，在某些操作系统上还需要额外配置 Tesseract 执行环境变量路径或者下载对应平台版本的应用程序[^6]。 #### 3. 实现代码示例 下面提供了一段完整的脚本用来演示上述过程： ```python import cv2 import pytesseract import pandas as pd # 设置Tesseract可执行文件的位置(如果未自动找到的话) pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' def recognize_text(image_path): # 步骤一：读取输入图片 img = cv2.imread(image_path) # 可选步骤二：转换成灰色模式以简化计算量 gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 应用阈值滤波器创建黑白对比更明显的图像 _, binary_image = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 调用 PyTesseract 进行 OCR 处理 text_result = pytesseract.image_to_string(binary_image) return text_result.strip() if __name__ == "__main__": images_folder = 'path/to/your/images/' # 替换为实际目录名 filenames = ['image1.jpg', 'image2.png'] # 列表形式指定待分析的照片名称 results = [] for filename in filenames: full_filepath = f"{images_folder}{filename}" try: recognized_data = recognize_text(full_filepath) row_dict = { "File Name": filename, "Recognized Text": recognized_data } results.append(row_dict) except Exception as e: print(f"Error processing {filename}: {str(e)}") df = pd.DataFrame(results) output_excel_file = './output_results.xlsx' output_csv_file = './output_results.csv' # 将DataFrame写入Excel文档 with pd.ExcelWriter(output_excel_file) as writer: df.to_excel(writer, index=False, sheet_name="Sheet1") # 同时也保存一份CSV副本 df.to_csv(output_csv_file, encoding='utf-8-sig', index=False) ``` 此代码片段展示了如何批量处理多张照片，并把每张图上的文字记录下来存放到电子表格里去[^7]。 #### 4. 关键点说明 - 如果遇到中文或者其他特殊字体无法正常识别的情况，则需调整参数设置支持更多语言选项[^8]。 - 对于复杂背景下的低质量扫描件可能需要进一步优化前处理阶段的技术手段比如边缘检测算法等提升最终效果精度[^9]. ---