``` import time import pytesseract as pt import numpy as np from PIL import Image import cv2 import pyautogui def screenshot(): area = (533, 187, 1446, 740) # 设置需要捕捉的具体范围(x1,y1)左上角,(x2,y2)右下角 img_area = img.crop(area) return img_area if __name__ == '__main__': while True: image = screenshot() # 调用函数 filename = "10.png" print(f"正在将截图保存为{filename}...") image.save(filename) # 保存文件至当前目录下 image = cv2.imread(filename) change(image) cv2.imwrite(filename, image) print(det(filename)) time.sleep(30) def change(img): # 转换到HSV颜色空间 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 定义黄色范围 lower_yellow = np.array([20, 100, 100]) upper_yellow = np.array([30, 255, 255]) # 创建掩码 mask = cv2.inRange(hsv, lower_yellow, upper_yellow) # 将原图中对应掩码位置的颜色改为白色 (BGR 格式) img[mask > 0] = [255, 255, 255] def det(parameter): path = r"D:\Tesseract-OCR\tesseract.exe" pt.pytesseract.tesseract_cmd = path text = pt.image_to_string(Image.open(parameter),lang="chi_sim") return text```请帮忙分析并优化此代码

### 分析与优化建议： #### 一、现有代码的问题： 1. **`screenshot()` 函数未获取屏幕截图**：在 `screenshot()` 中，虽然定义了区域 `(area)` ，但是并没有实际调用 `pyautogui.screenshot()` 来截取屏幕图像。 2. **循环结构存在问题**：在主程序部分存在语法错误——缺少冒号导致无限循环无法正常工作，并且逻辑上应该先处理图片再保存而不是相反顺序。 3. **不必要的文件读写操作**：目前流程是先保存图片再加载它来进行处理；可以直接传递内存中的PIL.Image对象给后续步骤而无需落地硬盘节省IO开销提高效率。 4. **全局变量污染风险** ：如果其他地方也引用到了名为“img”的东西，则可能会发生冲突。最好把所有局部使用的image都作为形参传入各函数内部以避免此类隐患同时便于单元测试维护。 5. **性能方面考量**：频繁地每半分钟生成一张新图并进行OCR识别，在某些场景下这可能是过度设计，可以根据实际需求调整频率甚至异步化这部分耗时任务减轻主线程压力提升响应速度改善用户体验。 6. **依赖路径硬编码问题**: Tesseract OCR 的安装路径直接写死在代码里不利于跨平台移植性和部署灵活性。 --- #### 二、改进后的版本: ```python import time import pytesseract as pt import numpy as np from PIL import ImageGrab # 更适合用于截屏操作 import cv2 import os # 动态查找 tesseract.exe 所处的位置以便于不同环境下运行本脚本 TESSERACT_PATH = r"C:\Program Files\Tesseract-OCR\tesseract.exe" if not os.path.exists(TESSERACT_PATH): raise FileNotFoundError("请确认已正确配置好环境内的Tesseract路径") pt.pytesseract.tesseract_cmd = TESSERACT_PATH if os.name == 'nt' else 'tesseract' def get_screenshot(bbox=None): """ 获取指定矩形框内的屏幕快照 """ screen_img = ImageGrab.grab(bbox=bbox or (533, 187, 1446, 740)) return screen_img def preprocess_image(img_pil): """ 预处理图像数据，例如色彩转换和特定颜色替换等预置动作""" def convert_colorspace(pillow_im): open_cv_image = np.array(pillow_im) # Convert RGB to BGR for OpenCV processing bgr_format = open_cv_image[:, :, ::-1].copy() return bgr_format img_nparray = convert_colorspace(img_pil) hsv = cv2.cvtColor(img_nparray, cv2.COLOR_BGR2HSV) yellow_range_lower_bound = np.array([20, 100, 100]) yellow_range_upper_bound = np.array([30, 255, 255]) mask = cv2.inRange(hsv, yellow_range_lower_bound, yellow_range_upper_bound) processed_bgr_array = img_nparray.copy() # 修改原始矩阵中符合条件的所有元素值为纯白RGB坐标[255,255,255] processed_bgr_array[mask > 0] = [255, 255, 255] final_rgb_output = cv2.cvtColor(processed_bgr_array,cv2.COLOR_BGR2RGB) result_pil_image=Image.fromarray(final_rgb_output.astype('uint8'), 'RGB') return result_pil_image def extract_text_from_image(image_file_or_path='temp.jpg'): """ 使用Pytessearct对输入的PIL.Image对象或本地存储的图片执行文本提取.""" text_content="" try: with image_file_or_path if isinstance(image_file_or_path,str)\ else tempfile.NamedTemporaryFile(suffix=".jpg")as tmpfile : pil_image=image_file_or_path if not isinstance(image_file_or_path ,str)\ else Image.open(tmpfile.name) lang_setting="chi_sim" extracted_plaintext=pt.image_to_string( pil_image, config=f"--psm 6", lang=lang_setting ) text_content+=extracted_plaintext except Exception as e : print(f"An error occurred during the extraction process:{e}") finally : return text_content.strip() if __name__=="__main__": interval_seconds=30 while True: current_time=time.strftime("%Y-%m-%d %H:%M:%S",time.localtime()) print(f"[{current_time}] 正在捕获新的屏幕片段...") raw_snapshot=get_screenshot() refined_pic_after_processing=preprocess_image(raw_snapshot) detected_characters=extract_text_from_image(refined_pic_after_processing) output_filename_with_timestamp=str(int(time.time()))+".png" refined_pic_after_processing.save(output_filename_with_timestamp,"PNG") print(f"\n[{current_time}] 已经完成本次循环的操作\n{'-'*40}\n") print(detected_characters,end="\n"*2) time.sleep(interval_seconds) ``` #### §三、关键变化点说明及预期效果： 1. 纠正了原有的一些低级错误比如拼写失误以及遗漏的关键字； 2. 引用了更适合抓取屏幕内容的方式（从 `pyautogui -> ImageGrab`)提高了兼容性； 3. 对比原版增加了更多异常保护机制防止突发状况造成整个应用程序崩溃终止； 4. 封装了一些功能模块使其职责单一易于理解并且方便以后单独拿出来做进一步增强； 5. 去除了多余的磁盘I/O活动改为尽可能利用Python内置的数据类型来表示中间结果从而加快整体运算速率减少资源占用率； 6. 改善日志记录形式使得开发者能更直观清晰了解到每个周期内发生了什么事情何时发生的详细信息。