### 使用 Python OpenCV 编写脚本以检测图像中特定范围内的数字 对于使用Python和OpenCV来识别并筛选特定范围内的数字的任务，这涉及到多个步骤，包括预处理输入图像、应用边缘检测或形态学操作以增强特征可见度、查找轮廓以及最终基于给定条件过滤这些轮廓。针对此案例，目标是从图像中找出表示数值大于110但在80至120之间的字符。 #### 图像预处理阶段 首先加载待分析的图像文件，并将其转换为灰度模式以便后续处理更简单有效。接着执行二值化处理，这里推荐采用自适应阈值法而非全局阈值法，因为后者可能无法很好地应对光照不均匀的情况[^2]。这样做能够提高对不同背景下的数字识别准确性。 ```python import cv2 import numpy as np def preprocess_image(image_path): # 加载彩色图转成灰度图 image = cv2.imread(image_path, 0) # 自适应阈值化获得二值图像 processed_img = cv2.adaptiveThreshold( image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11, C=2 ) return processed_img ``` #### 轮廓发现与初步筛选 利用`findContours()`函数获取所有封闭区域的信息列表；随后遍历每一个候选区，依据面积大小排除明显不符合要求的小碎片或是过大干扰物。考虑到实际应用场景中的字体尺寸差异较大，在设定最小最大边界时应灵活调整参数直至满足需求为止。 ```python def find_contours(processed_img): contours, _ = cv2.findContours( processed_img.copy(), mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE ) filtered_contours = [] for contour in contours: area = cv2.contourArea(contour) if min_area <= area <= max_area: # 定义合理的min_area和max_area变量 rect = cv2.boundingRect(contour) x, y, width, height = rect aspect_ratio = float(width)/height if low_aspect_ratio <= aspect_ratio <= high_aspect_ratio: # 同样定义low/high_aspect_ratio作为比例约束 roi = processed_img[y:y+height,x:x+width] # 对ROI做进一步验证是否真的代表所需数字... filtered_contours.append((rect, roi)) return filtered_contours ``` #### 数字识别逻辑构建 最后一步是对之前挑选出来的感兴趣区域(ROIs)实施OCR光学字符读取技术，比如借助Tesseract库完成具体数位串解析工作。之后再根据题目所设限定——即只保留那些落在指定区间内（此处指介于80~120之间）的结果项即可。 ```python try: import pytesseract except ImportError: raise Exception("Please install pytesseract package.") def recognize_digits(filtered_contours): valid_numbers = [] for (_, roi) in filtered_contours: text = pytesseract.image_to_string( roi, config='--psm 10' # 假设单个字符模式 ).strip() try: number = int(text) if lower_bound <= number <= upper_bound: # 设定lower/upper_bound分别为80和120 valid_numbers.append(number) except ValueError: continue return sorted(valid_numbers) if __name__ == "__main__": preprocessed = preprocess_image('path/to/image') found_contours = find_contours(preprocessed) result = recognize_digits(found_contours) print(f"Detected numbers within range [{lower_bound}, {upper_bound}]: ", *result) ``` 上述代码片段展示了如何结合OpenCV与其他辅助工具实现从图片里定位并提取符合条件整数的过程。当然，实践中还需考虑更多细节优化方案，例如GPU加速支持提升效率[^1]，或者改进模板匹配精度等措施确保最佳效果达成。