Python从PDF饼图（及类似图表）中提取数据的专业指南

from pdf2image import convert_from_path
import os

def convert_pdf_page_to_image(pdf_path, page_num, output_folder="images"):
    """
    将PDF指定页面转换为图像文件。
    :param pdf_path: PDF文件路径
    :param page_num: 要转换的页面编号（从1开始）
    :param output_folder: 图像输出目录
    :return: 转换后的图像文件路径
    """
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    try:
        # convert_from_path 返回一个PIL图像对象列表
        # 我们只关心指定页面
        images = convert_from_path(pdf_path, first_page=page_num, last_page=page_num, dpi=300)
        if images:
            image_path = os.path.join(output_folder, f"page_{page_num}.png")
            images[0].save(image_path, 'PNG')
            print(f"页面 {page_num} 已成功转换为 {image_path}")
            return image_path
    except Exception as e:
        print(f"转换PDF页面 {page_num} 失败: {e}")
    return None

# 示例用法（请替换为您的PDF路径）
# pdf_file = "path/to/your/document.pdf"
# image_file = convert_pdf_page_to_image(pdf_file, 1) # 转换第一页

pip install opencv-python

import cv2
import numpy as np

# 假设您已经将PDF页面转换为图像，并将其保存为 'pie_chart_page.png'
# 在实际应用中，您会从 convert_pdf_page_to_image 函数获取这个路径
image_path = 'path/to/your/pie_chart_page.png' # 请替换为实际的图像文件路径

# --- 为了使示例代码可运行，如果实际文件不存在，我们创建一个简单的模拟图像 ---
# 在实际项目中，您需要确保 image_path 指向一个有效的图像文件。
try:
    image = cv2.imread(image_path)
    if image is None:
        raise FileNotFoundError("无法加载图像，请检查路径。尝试使用模拟图像。")
except FileNotFoundError:
    print(f"警告：无法加载图像 '{image_path}'。正在使用模拟图像进行演示。")
    # 创建一个简单的模拟饼图图像
    image_width, image_height = 600, 400
    image = np.zeros((image_height, image_width, 3), dtype=np.uint8) # 黑色背景

    center = (image_width // 2, image_height // 2)
    radius = 150

    # 绘制模拟扇区
    cv2.ellipse(image, center, (radius, radius), 0, 0, 120, (0, 0, 255), -1)  # 红色扇区
    cv2.ellipse(image, center, (radius, radius), 0, 120, 240, (255, 0, 0), -1) # 蓝色扇区
    cv2.ellipse(image, center, (radius, radius), 0, 240, 360, (0, 255, 0), -1) # 绿色扇区
    cv2.circle(image, center, 50, (255, 255, 255), -1) # 白色中心圆

if image is None:
    print("错误：无法加载或生成图像。请检查您的设置。")
else:
    # 1. 转换为灰度图
    # 灰度图是许多图像处理操作（如阈值化、轮廓检测）的常见预处理步骤
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 2. 阈值化处理
    # 将灰度图像转换为二值图像（只有黑白两种颜色），便于识别轮廓。
    # cv2.THRESH_BINARY_INV 表示反转二值化：像素值低于128的变为白色(255)，高于128的变为黑色(0)。
    # 这样可以确保图表前景（扇区）是白色，背景是黑色，便于查找轮廓。
    _, thresh = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY_INV)

    # 3. 查找轮廓
    # cv2.RETR_EXTERNAL：只检测最外层的轮廓。对于饼图，这通常意味着每个扇区的外边界。
    # cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，只保留它们的端点，从而减少轮廓点的数量，节省内存。
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    print(f"检测到的扇区（轮廓）数量: {len(contours)}")

    # 4. 在原始图像上绘制检测到的轮廓
    # -1 表示绘制所有轮廓
    # (0, 255, 0) 是绿色（BGR格式）
    # 2 是线条粗细
    cv2.drawContours(image, contours, -1, (0, 255, 0), 2)

    # 5. 显示结果图像
    cv2.imshow('Image with Contours', image)
    cv2.waitKey(0)        # 等待按键，0表示无限等待
    cv2.destroyAllWindows() # 关闭所有OpenCV窗口