做实验的过程中往往需要记录数据，比如笔者有时需要测定上百个DNA样品的浓度，有时又需要去野外实验地记录田间数据，手写记录目前还是最可靠、最便捷、最有效的方法。但手写数据需要录入电脑进行数据分析，录入的过程往往相当繁琐，没有任何技术可言，那么如何让手写数据更快更高效地录入电脑，从而提高我们学习工作的效率呢？那么就让我们一起用python来解决这个问题吧。先看看效果：

图片预处理：

图片转成excel：

 

 利用下面的python代码可以将每一张表格照片都转成了excel中的一个sheet，非常适合批量操作。不过手写数字识别难免会有一定的错误率，实验数据要求很高，因此不要偷懒，还是需要核对一遍的哈。下面我们介绍一下实现的思路和代码

1.实现思路        

        首先，我们面临的问题就是如何识别手写数字，难道我还要从机器学习开始一步步学习然后才能实现？CSDN上有很多介绍用TensorFlow框架进行手写识别的教程，感兴趣的同学可以深入研究。但此处我们直接调用科大讯飞人工智能开放平台的手写识别API来实现手写识别（https://download.csdn.net/download/weixin_43367441/79581415https://www.xfyun.cn/service/wordRecg），手写识别的问题就解决了 。然后，我们将识别的结果进行定位，再利用python写入excel表格即可。

2.实现代码

        该代码会调用科大讯飞手写识别的webAPI，需要用户名和密码，可以自行前往科大讯飞官网购买相应服务。如何想直接使用笔者打包好的代码，可参考文章配套的付费资源链接哈（），下载相应的模板进行实验记录，并用笔者提供的程序批量录入数据即可。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import base64
import hashlib
import time
import requests
import json
import xlsxwriter
from PIL import Image
import os
import sys
"""手写文字识别WebAPI接口调用示例接口文档(必看):https://doc.xfyun.cn/rest_api/%E6%89%8B%E5%86%99%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB.html图片属性：jpg/png/bmp,最短边至少15px，最长边最大4096px,编码后大小不超过4M,识别文字语种：中英文webapi OCR服务参考帖子(必看)：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=39111&highlight=OCR(Very Important)创建完webapi应用添加服务之后一定要设置ip白名单，找到控制台--我的应用--设置ip白名单，如何设置参考：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=41891错误码链接：https://www.xfyun.cn/document/error-code (code返回错误码时必看)@author iflytek
"""
# OCR手写文字识别接口地址
URL = "http://webapi.xfyun.cn/v1/service/v1/ocr/handwriting"
# 应用APPID(必须为webapi类型应用,并开通手写文字识别服务,参考帖子如何创建一个webapi应用：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=36481)
APPID = "**yourappid**"
# 接口密钥(webapi类型应用开通手写文字识别后，控制台--我的应用---手写文字识别---相应服务的apikey)
API_KEY = "**yourappkey**"
# 语种设置
language = "cn|en"
# 是否返回文本位置信息
location = "true"
# 图片上传接口地址
picFilePath = sys.argv[1]
#picFilePath = "C:/Users/Tianlong Hu/Desktop/test"
def getFiles(picFilePath):f = []for filepath,dirnames,filenames in os.walk(picFilePath):for filename in filenames:f = f+[os.path.join(filepath,filename)]return f
def getHeader():curTime = str(int(time.time()))param = "{\"language\":\""+language+"\",\"location\":\""+location+"\"}"paramBase64 = base64.b64encode(param.encode('utf-8'))m2 = hashlib.md5()str1 = API_KEY + curTime + str(paramBase64, 'utf-8')m2.update(str1.encode('utf-8'))checkSum = m2.hexdigest()# 组装http请求头header = {'X-CurTime': curTime,'X-Param': paramBase64,'X-Appid': APPID,'X-CheckSum': checkSum,'Content-Type': 'application/x-www-form-urlencoded; charset=utf-8',}return header
def getBody(filepath):with open(filepath, 'rb') as f:imgfile = f.read()data = {'image': str(base64.b64encode(imgfile), 'utf-8')}return data
#def getImage(picFilePath):#img_data = cv2.imread(picFilePath, 1)#height,width = img_data.shape[:2]#size = (int(height*4050/height), int(width*4050/height))#img_data = cv2.resize(img_data,size)#return img_data
def getContent(img_data):r = requests.post(URL, headers=getHeader(), data=getBody(picFilePath))#print(r.content)result_json = json.loads(r.content)text = [];xloc = [];yloc = [];wheight = []for i in range(0,len(result_json["data"]["block"][0]["line"])):text = text+[result_json["data"]["block"][0]["line"][i]["word"]]xloc = xloc+[(result_json["data"]["block"][0]["line"][i]["location"]["top_left"]["x"] + result_json["data"]["block"][0]["line"][i]["location"]["right_bottom"]["x"])/2]yloc = yloc+[(result_json["data"]["block"][0]["line"][i]["location"]["top_left"]["y"] + result_json["data"]["block"][0]["line"][i]["location"]["right_bottom"]["y"])/2]wheight = wheight + [result_json["data"]["block"][0]["line"][i]["location"]["right_bottom"]["y"] - result_json["data"]["block"][0]["line"][i]["location"]["top_left"]["y"]]return text,yloc,wheight
def getTable(picFilePath,wheight):#二值化image_data = cv2.imread(picFilePath, 1)gray = cv2.cvtColor(image_data, cv2.COLOR_BGR2GRAY)binary = cv2.adaptiveThreshold(~gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 35, -5)#ret,binary = cv2.threshold(~gray, 127, 255, cv2.THRESH_BINARY)#cv2.imshow("cell", binary)#cv2.waitKey(0)rows,cols=binary.shapescale = 40#识别横线kernel  = cv2.getStructuringElement(cv2.MORPH_RECT,(cols//scale,1))eroded = cv2.erode(binary,kernel,iterations = 1)#cv2.imshow("Eroded Image",eroded)dilatedcol = cv2.dilate(eroded,kernel,iterations = 1)#cv2.imshow("Dilated Image",dilatedcol)#cv2.waitKey(0)#识别竖线scale = 30kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(1,rows//scale))eroded = cv2.erode(binary,kernel,iterations = 1)dilatedrow = cv2.dilate(eroded,kernel,iterations = 1)#cv2.imshow("Dilated Image",dilatedrow)#cv2.waitKey(0)#标识交点bitwiseAnd = cv2.bitwise_and(dilatedcol,dilatedrow)#cv2.imshow("bitwiseAnd Image",bitwiseAnd)#cv2.waitKey(0)#cv2.imwrite('/home/hutianlong/Desktop/test2.png',bitwiseAnd)#标识表格#merge = cv2.add(dilatedcol,dilatedrow)#cv2.imshow("add Image",merge)#cv2.waitKey(0)#识别黑白图中的白色点ys,xs = np.where(bitwiseAnd>0)mylisty=[]mylistx=[]#通过排序，获取跳变的x和y的值，说明是交点，否则交点会有好多像素值，我只取最后一点myxs=np.sort(xs)for i in range(len(myxs)-1):if(myxs[i+1]-myxs[i]>150):mylistx.append(myxs[i])mylistx.append(myxs[i])# print(mylistx)# print(len(mylistx))myys=np.sort(ys)#print(np.sort(ys))for i in range(len(myys)-1):if(myys[i+1]-myys[i]>min(wheight)/2):mylisty.append(myys[i])mylisty.append(myys[i])# print(mylisty)# print(len(mylisty))return mylistx,mylisty
def outputTable(text,yloc,mylisty):row_id = []for i in range(len(text)):row_id = row_id + [sum((yloc[i] - np.array(mylisty))>0)]return row_id# 建立文件
workbook = xlsxwriter.Workbook(sys.argv[2])
#workbook = xlsxwriter.Workbook("C:/Users/Tianlong Hu/Desktop/test.xlsx") 
for picFilePath in getFiles(picFilePath):#2nd step: output content and its locationtext,yloc,wheight = getContent(picFilePath)#3rd step: get table locationmylistx,mylisty = getTable(picFilePath,wheight)#4th step: output tablerow_id = outputTable(text,yloc,mylisty)# 建立sheet， 可以work.add_worksheet('employee')来指定sheet名，但中文名会报UnicodeDecodeErro的错误mytext = [[] for i in range(max(row_id))]for i in range(max(row_id)):for j in range(len(text)):if row_id[j] == i+1:mytext[i] = mytext[i] + text[j]# 建立sheet， 可以work.add_worksheet('employee')来指定sheet名，但中文名会报UnicodeDecodeErro的错误worksheet = workbook.add_worksheet()for i in range(len(mytext)):for j in range(len(mytext[i])):worksheet.write(i,j,mytext[i][j]["content"])
workbook.close()

3. 使用方法：
——》打开cmd.exe，进入命令行模式。
——》切换到程序所在文件夹，使用如下命令运行程序：
        handwriting_table_ocr_xunfeiai.exe test test.xlsx
——》test为手写数据照片所在文件夹，test.xlsx为输出Excel表格名称。

4. 注意事项：
——》程序在使用过程中需要连接科大讯飞提供的API，请保持网络连接畅通；
——》在拍照过程中确保表格四周均在视野范围内，推荐使用WPS文档扫描文件；
——》照片最大高度控制在4096像素内；
——》照片不要倾斜或旋转。
——》图片格式最好为JPG或PNG

 也可直接使用笔者打包好的EXE文件运行哈，见如下链接：手写实验数据批量转Excel的python脚本及EXE文件-教育文档类资源-CSDN文库https://download.csdn.net/download/weixin_43367441/79581415

使用过程中有任何问题，欢迎评论或后台留言，我会尽快回复您。