在VBA中通过PowerShell实现数字OCR识别的问题排查

核心问题分析 #

1. 文件路径不匹配：VBA代码读取工作簿目录下的OutputNumber.txt，但PowerShell脚本将识别结果输出到桌面，导致VBA读取的并非最新识别结果。
2. Tesseract识别配置不合理：未指定仅识别数字，默认页面分割模式不适合纯数字图片，易出现识别不全。
3. 图片预处理参数适配性差：-lat参数尺寸设置过大，导致预处理后图片细节丢失，影响识别精度。

修改后的代码 #

VBA代码（仅调整路径一致性，保留原有逻辑） #

Public vCaptcha, bPowerShell

Sub Test()
    vCaptcha = CleanNumber(ScriptFile(ThisWorkbook.Path & "\Number.png"))
    Debug.Print vCaptcha
End Sub

Function ScriptFile(strImage As String) As String
    Dim wshShell As Object, sFilePath As String, sOutput As String, strCommand As String
    sOutput = ThisWorkbook.Path & "\OutputNumber.txt"
    sFilePath = "C:\Users\" & Environ("USERNAME") & "\Desktop\CreateImage.ps1"
    If Dir(sFilePath) = "" Then GoTo Skipper
    ' 将图片路径和输出目录作为参数传递，避免硬编码路径冲突
    strCommand = "Powershell.exe -File " & sFilePath & " """ & strImage & """ """ & ThisWorkbook.Path & """"
    Set wshShell = CreateObject("WScript.Shell")
    wshShell.Run strCommand, 0, True
    On Error GoTo Skipper:
    ScriptFile = CreateObject("Scripting.FileSystemObject").OpenTextFile(sOutput).ReadAll: Exit Function
Skipper:
    bPowerShell = True
    MsgBox "请先确认CreateImage.ps1脚本存在", vbExclamation
End Function

Function CleanNumber(ByVal strText As String) As String
    With CreateObject("VBScript.RegExp")
        .IgnoreCase = True
        .Global = True
        .Pattern = "[^0-9]"
        If .Test(strText) Then
            CleanNumber = WorksheetFunction.Trim(.Replace(strText, vbNullString))
        Else
            CleanNumber = strText
        End If
    End With
End Function

PowerShell脚本（CreateImage.ps1） #

# 获取传入的图片路径和输出目录
$imagePath = $args[0]
$outputDir = $args[1]

# 定义临时处理图片和输出文本路径
$tempImage = Join-Path $outputDir "NumberNew.png"
$textFile = Join-Path $outputDir "OutputNumber"

# 图片预处理：优化对比度、去噪，适配数字识别
magick convert "$imagePath" -resize 600x -density 300 -quality 100 "$tempImage"
magick convert "$tempImage" -negate -lat 20x20+10% -negate -threshold 50% "$tempImage"

# Tesseract配置：指定仅识别数字，设置页面分割模式为单行文本
tesseract.exe "$tempImage" "$textFile" -l eng --psm 7 -c tessedit_char_whitelist=0123456789

# 清理临时图片，避免文件堆积
Remove-Item "$tempImage" -Force

关键调整说明 #

1. 路径统一：VBA将图片路径和工作簿目录作为参数传递给PowerShell，确保识别结果输出到VBA可读取的路径，避免跨目录读取错误。
2. Tesseract优化：
   • --psm 7：指定页面分割模式为单行文本，适配纯数字图片场景。
   • -c tessedit_char_whitelist=0123456789：强制仅识别数字，排除其他字符干扰。
3. 图片预处理优化：
   • 调整-lat参数为20x20+10%，适合小尺寸数字图片的局部阈值处理，保留细节。
   • 添加-threshold 50%增强数字与背景对比度，提升识别准确率。
4. 临时文件清理：处理完成后删除临时图片，避免冗余文件堆积。

内容的提问来源于stack exchange，提问作者YasserKhalil