将光谱数据图片转换成数值格式

2024-08-20 19:52

本文主要是介绍将光谱数据图片转换成数值格式,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 任务
  • 所需工具
  • 步骤一:安装必要的Python库
  • 步骤二:图像OCR识别
  • 步骤三:提取光谱数值并存储
  • 完整代码

任务

现测量收集到一批目标色彩样本的光谱响应数据截图(图片保存在spectrum_screenshots文件夹内,截图样例见图1)。其中,一个样本的光数据是从波长360纳米(nm)到750纳米分别测量得到的对应光强度值(实数)。
图1所示光谱数据为:7.319(360nm),7.339(370nm),6.860(380nm),…,80.(750nm);Checksum值(所有波长上光谱强度值的和)为790.337。
要求:将486张光谱数据图片转成数值格式
在这里插入图片描述

所需工具

Python: 编程语言
cnocr: 一个中文OCR工具,用于从图片中提取文本
PIL (Python Imaging Library): 用于打开和处理图片
openpyxl: 用于在Excel中创建和编辑工作表

步骤一:安装必要的Python库

在开始之前,确保你已经安装了所有必要的Python库。你可以通过以下命令安装这些库:

pip install cnocr pillow openpyxl

步骤二:图像OCR识别

我们将使用cnocr库从光谱数据图片中提取文本。由于OCR提取出的文本格式可能不一致,我们需要对其进行清理和格式化。以下是处理这些文本的代码:

import os
import re
import cnocr
from PIL import Image
from openpyxl import Workbookdef remove_spaces_around_decimal(input_str):result = []l=len(input_str)for i in range(1,l-1):if input_str[i] == ' ' and input_str[i-1]=='.':continueif input_str[i] == ' ' and input_str[i + 1] == '.':continueif input_str[i] == '.' and input_str[i + 1] == '.':continueif (input_str[i]!='.' and input_str[i]!=' 'and(input_str[i]<'0' or input_str[i]>'9'))and input_str[i + 1] == '.':continueif (input_str[i]!='.' and input_str[i]!=' 'and(input_str[i]<'0' or input_str[i]>'9'))and input_str[i - 1] == '.':continueresult.append(input_str[i])return ''.join(result)

这个函数主要用来清理OCR识别出的文本,去除多余的空格和不必要的字符,确保后续的正则表达式能准确提取数值。

步骤三:提取光谱数值并存储

我们将光谱数据图片文件夹中的每张图片转换为对应的数值格式,并将其保存到Excel文件中。以下是实现这一任务的完整代码:

def extract_float_numbers_from_images(directory):# 初始化 cnocrocr = cnocr.CnOcr()# 创建一个 Excel 工作簿wb = Workbook()ws = wb.active# 添加列标题columns = ["Filename", "360nm", "370nm", "380nm", "390nm", "400nm", "410nm", "420nm", "430nm","440nm","450nm", "460nm", "470nm", "480nm","490nm", "500nm", "510nm", "520nm", "530nm", "540nm","550nm", "560nm", "570nm", "580nm", "590nm", "600nm", "610nm", "620nm","630nm", "640nm", "650nm", "660nm", "670nm", "680nm", "690nm", "700nm", "710nm", "720nm", "730nm", "740nm", "750nm", "Checksum"]ws.append(columns)# 使用正则表达式匹配文件名中的数字部分pattern = r'\d+'# 遍历指定目录下的所有文件for filename in os.listdir(directory):# 仅处理 JPEG 格式的文件if filename.endswith(".jpg"):# 从文件名中提取数字部分match = re.match(pattern, filename)if match:file_number = match.group()file_path = os.path.join(directory, filename)# 使用 cnocr 提取文本text = ocr.ocr(Image.open(file_path))# 合并提取的文本extracted_text = ''for line in text:if 'text' in line:extracted_text += (line['text']+' ')extracted_text = remove_spaces_around_decimal(extracted_text)# 使用正则表达式匹配浮点数的模式float_numbers = re.findall(r'\d+\.\d+', extracted_text)# 创建一个列表,用于存储每行的数据row_data = [filename] + float_numbers# 如果提取的浮点数数量少于所需的列数,则补充空白while len(row_data) < len(columns):row_data.append("")# 将文件名和提取的浮点数写入 Excel 表格ws.append(row_data)# 保存 Excel 文件excel_filename = "extracted_float_numbers.xlsx"wb.save(excel_filename)print(f"Float numbers extracted from images and saved to {excel_filename}")

运行程序
将代码保存为一个Python脚本文件,并在命令行中运行:

python your_script_name.py

效果:
在这里插入图片描述

利用OCR技术从图片中提取光谱数据,并将其转换为数值格式存储在Excel中。这种方法可以用于各种场景下的数据提取和处理。

完整代码

import os
import re
import cnocr
from PIL import Image
from openpyxl import Workbook#由于使用cnocr识别出的字符串存在很多格式上的问题
#我在多次写入表格查看以及输出对照数据之后,写了一个处理这些错误格式的函数,经过函数处理之后得到的字符串基本上都可以完美的经过正则表达式的处理得到41个浮点数
def remove_spaces_around_decimal(input_str):result = []l=len(input_str)for i in range(1,l-1):if input_str[i] == ' ' and input_str[i-1]=='.':continueif input_str[i] == ' ' and input_str[i + 1] == '.':continueif input_str[i] == '.' and input_str[i + 1] == '.':continueif (input_str[i]!='.' and input_str[i]!=' 'and(input_str[i]<'0' or input_str[i]>'9'))and input_str[i + 1] == '.':continueif (input_str[i]!='.' and input_str[i]!=' 'and(input_str[i]<'0' or input_str[i]>'9'))and input_str[i - 1] == '.':continueresult.append(input_str[i])return ''.join(result)
def extract_float_numbers_from_images(directory):# 初始化 cnocrocr = cnocr.CnOcr()# 创建一个 Excel 工作簿wb = Workbook()ws = wb.active# 添加列标题columns = ["Filename", "360nm", "370nm", "380nm", "390nm", "400nm", "410nm", "420nm", "430nm","440nm","450nm", "460nm", "470nm", "480nm","490nm", "500nm", "510nm", "520nm", "530nm", "540nm","550nm", "560nm", "570nm", "580nm", "590nm", "600nm", "610nm", "620nm","630nm", "640nm", "650nm", "660nm", "670nm", "680nm", "690nm", "700nm", "710nm", "720nm", "730nm", "740nm", "750nm", "Checksum"]ws.append(columns)# 使用正则表达式匹配文件名中的数字部分pattern = r'\d+'# 遍历指定目录下的所有文件for filename in os.listdir(directory):# 仅处理 JPEG 格式的文件if filename.endswith(".jpg"):# 从文件名中提取数字部分match = re.match(pattern, filename)if match:file_number = match.group()file_path = os.path.join(directory, filename)# 使用 cnocr 提取文本text = ocr.ocr(Image.open(file_path))# 合并提取的文本extracted_text = ''for line in text:if 'text' in line:extracted_text += (line['text']+' ')extracted_text = remove_spaces_around_decimal(extracted_text)# 使用正则表达式匹配浮点数的模式float_numbers = re.findall(r'\d+\.\d+', extracted_text)# 创建一个列表,用于存储每行的数据row_data = [filename] + float_numbers# 如果提取的浮点数数量少于所需的列数,则补充空白while len(row_data) < len(columns):row_data.append("")# 将文件名和提取的浮点数写入 Excel 表格ws.append(row_data)# 保存 Excel 文件excel_filename = "extracted_float_numbers.xlsx"wb.save(excel_filename)print(f"Float numbers extracted from images and saved to {excel_filename}")# 调用函数并传入图片所在的目录路径
extract_float_numbers_from_images(r'G:\spectrum_screenshots')

这篇关于将光谱数据图片转换成数值格式的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1091030

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X