### 使用 OpenCV 识别图片中的数字并通过 Excel 坐标确定位置 以下是针对使用 OpenCV 进行图片中数字识别，并结合 Excel 中存储的坐标信息来定位数字的具体方案： --- #### **1. 图像预处理** 在进行数字识别前，通常需要对图像进行一系列预处理操作以提升后续步骤的成功率。常见的预处理包括灰度化、二值化和形态学操作等。 ```python import cv2 import numpy as np def preprocess_image(image_path): # 加载原始图像 image = cv2.imread(image_path) # 将彩色图像转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 高斯模糊降噪 blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 自适应阈值分割 _, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) return binary ``` 上述代码实现了从加载图像到生成二值化图像的过程[^1]。这种预处理方式有助于突出数字特征并抑制背景干扰。 --- #### **2. 提取感兴趣区域（ROI）** 根据用户需求，需从 Excel 文件中读取两个点的坐标 `(x1, y1)` 和 `(x2, y2)` 来定义 ROI 的范围。随后可以从预处理后的图像中裁剪出该区域。 ```python def extract_roi(binary_img, point1, point2): x_start, y_start = min(point1[0], point2[0]), min(point1[1], point2[1]) x_end, y_end = max(point1[0], point2[0]), max(point1[1], point2[1]) roi = binary_img[y_start:y_end, x_start:x_end] return roi ``` 这段代码通过比较两组坐标值计算出矩形边界框的左上角和右下角顶点，从而提取出目标区域内的像素矩阵[^4]。 --- #### **3. 数字识别** 对于数字识别任务，可以考虑使用 OCR 技术或训练专门的分类模型。如果仅限于简单的阿拉伯数字 `0-9`，推荐使用 Tesseract OCR 工具配合 PyTesseract 接口完成文字解析工作。 安装依赖库： ```bash pip install pytesseract opencv-python-headless pandas openpyxl sudo apt-get install tesseract-ocr ``` 编写数字识别函数： ```python import pytesseract from PIL import Image def recognize_digits(roi): # 将 NumPy 数组转换为 PIL 图像格式 pil_image = Image.fromarray(roi.astype('uint8'), 'L') # 设置 Tesseract 参数配置 custom_config = r'--oem 3 --psm 7 outputbase digits' # 执行 OCR 并返回结果字符串 text = pytesseract.image_to_string(pil_image, config=custom_config).strip() return text ``` 此处设置了特定选项 `--psm 7` 表明输入是一个单行文本片段[^4]，而附加参数 `outputbase digits` 则强制引擎专注于数值字符集。 --- #### **4. 处理 Excel 数据** 为了获取坐标信息，还需要能够解析 Excel 文档的内容。这里选用 Pandas 库简化文件交互过程。 ```python import pandas as pd def read_excel_coordinates(file_path): df = pd.read_excel(file_path) points = [] for index, row in df.iterrows(): try: point1 = tuple(map(int, str(row['Point1']).split(','))) point2 = tuple(map(int, str(row['Point2']).split(','))) points.append((point1, point2)) except Exception as e: print(f"Error parsing coordinates at row {index}: {e}") return points ``` 此脚本遍历每一行记录尝试提取名为 “Point1” 及其对应配对字段的数据项，并将其转化为元组形式以便后续调用[^2]。 --- #### **综合示例** 将以上各部分串联起来形成完整的流水线程序如下所示： ```python if __name__ == "__main__": # 输入路径 image_path = "input.jpg" excel_path = "coordinates.xlsx" # 步骤一：预处理原图 preprocessed = preprocess_image(image_path) # 步骤二：导入 Excel 坐标列表 coordinate_pairs = read_excel_coordinates(excel_path) results = [] # 对每一对坐标分别执行操作 for pair in coordinate_pairs: point_a, point_b = pair # 步骤三：截取出子区段 region_of_interest = extract_roi(preprocessed, point_a, point_b) # 步骤四：实施 OCR 解码 detected_number = recognize_digits(region_of_interest) results.append({ "Coordinates": f"{point_a} -> {point_b}", "Detected Number": detected_number or "<No Digit>" }) # 显示最终成果 for res in results: print(res["Coordinates"], "->", res["Detected Number"]) ``` --- ###