明白了，你的场景更加聚焦：识别试题模板中的题号 + 识别手写的数字答案。这是一个相对明确且可落地的任务，我为你提供一个精简实用的方案。

一、技术选型建议

题号识别 PaddleOCR / Tesseract 题号是印刷体，OCR识别准确率高 手写数字识别 CNN分类器（轻量级）或 PaddleOCR数字版 手写数字是有限类别（0-9，可能含小数点/负号），分类模型更精准 区域定位 模板匹配 或 YOLO检测 如果试卷版式固定，用模板匹配即可；版式多变则用YOLO

子任务	推荐方案	理由

二、精简方案：模板匹配 + 手写数字CNN

如果你的试卷模板固定（同一份试卷多次使用，只是学生手写答案不同），这是最高效的方式：

步骤1：建立模板坐标映射

# 手动标注一次模板中各题号的坐标区域
template_regions = {
    1: {"bbox": [x1, y1, x2, y2], "type": "handwritten"},
    2: {"bbox": [x1, y1, x2, y2], "type": "handwritten"},
    3: {"bbox": [x1, y1, x2, y2], "type": "handwritten"},
    # 题号本身的位置（如果需要识别题号是否匹配）
    "question_numbers": {
        1: [x1, y1, x2, y2],
        2: [x1, y1, x2, y2],
    }
}

步骤2：题号识别（验证模板对齐）

import cv2
import pytesseract

def recognize_question_number(img, bbox):
    x1, y1, x2, y2 = bbox
    roi = img[y1:y2, x1:x2]
    gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
    # 二值化增强
    _, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)
    # OCR识别题号
    text = pytesseract.image_to_string(thresh, config='--psm 7 -c tessedit_char_whitelist=0123456789')
    return text.strip()

步骤3：手写数字识别（轻量CNN模型）

训练一个针对手写数字的CNN分类器（使用MNIST或自有数据）：

import tensorflow as tf
from tensorflow import keras

# 构建简单CNN模型
model = keras.Sequential([
    keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    keras.layers.MaxPooling2D(2,2),
    keras.layers.Conv2D(64, (3,3), activation='relu'),
    keras.layers.MaxPooling2D(2,2),
    keras.layers.Flatten(),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')  # 0-9十个类别
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 使用MNIST数据集训练
mnist = keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
x_train = x_train.reshape(-1,28,28,1)
x_test = x_test.reshape(-1,28,28,1)

model.fit(x_train, y_train, epochs=5)
model.save('handwritten_digit_model.h5')

步骤4：集成识别流程

def process_answer_sheet(image_path, template_regions):
    img = cv2.imread(image_path)
    results = {}
    
    # 1. 可选：验证题号是否匹配（确保试卷对齐）
    for q_id, bbox in template_regions["question_numbers"].items():
        recognized_num = recognize_question_number(img, bbox)
        if recognized_num != str(q_id):
            print(f"警告：题号{q_id}识别为{recognized_num}，可能存在对齐偏差")
    
    # 2. 识别手写答案区域
    for q_id, region in template_regions.items():
        if q_id == "question_numbers":
            continue
        x1, y1, x2, y2 = region["bbox"]
        roi = img[y1:y2, x1:x2]
        
        # 预处理手写区域
        gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
        _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
        
        # 提取单个数字（如有多个数字）
        digits = extract_digits(binary)  # 通过轮廓检测切分数字
        
        # 识别每个数字
        answer = ""
        for digit_img in digits:
            digit_img = cv2.resize(digit_img, (28,28))
            digit_img = digit_img.reshape(1,28,28,1) / 255.0
            pred = model.predict(digit_img, verbose=0)
            answer += str(np.argmax(pred))
        
        results[q_id] = answer
    
    return results

def extract_digits(binary_img):
    """通过轮廓检测切分单个数字"""
    contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digits = []
    for contour in contours:
        x, y, w, h = cv2.boundingRect(contour)
        if w * h > 100:  # 过滤噪声
            digit = binary_img[y:y+h, x:x+w]
            digits.append(digit)
    # 按x坐标排序
    digits.sort(key=lambda d: cv2.boundingRect(d)[0])
    return digits

三、替代方案：PaddleOCR直接识别（更简单）

如果不想训练CNN模型，PaddleOCR本身对数字识别效果也很好：

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=False, lang='en')  # 英文模式，数字识别更好

def recognize_digit_region(roi):
    result = ocr.ocr(roi, cls=False)
    if result and result[0]:
        text = result[0][0][1][0]  # 提取识别的文本
        # 只保留数字
        digits = ''.join([c for c in text if c.isdigit()])
        return digits
    return ""

优点：无需训练，开箱即用
缺点：对于潦草手写数字，准确率可能不如定制CNN

四、针对手写数字识别的优化技巧

数字粘连 使用形态学腐蚀操作分离粘连数字 数字倾斜 计算最小外接矩形，进行仿射变换校正 噪声干扰 使用中值滤波去噪，设置最小轮廓面积过滤小噪点 多位数识别 轮廓检测后按x坐标排序，逐个识别后拼接 识别结果纠错 结合上下文（如答案应在0-100范围内）进行后处理

问题	优化方法

五、数据收集建议

如果选择训练自己的CNN模型，建议收集真实场景的手写数字：

1. 收集100-200张真实答题卡图片
2. 切出手写数字区域，保存为单张图片
3. 人工标注每个数字的真实值
4. 数据增强：旋转±15°，缩放，添加轻微噪声
5. 用增强后的数据（可扩充到1000+张）微调MNIST预训练模型

六、完整工作流总结

答题卡图像
    ↓
透视变换校正（可选）
    ↓
模板匹配/坐标映射
    ↓
┌─────────────────┐
│ 题号区域OCR验证 │ → 确认试卷对齐
└─────────────────┘
    ↓
┌─────────────────┐
│ 手写答案区域    │
│ - 预处理二值化  │
│ - 轮廓检测切分  │
│ - CNN逐数字识别 │
└─────────────────┘
    ↓
结果拼接与校验
    ↓
输出 {题号: 答案}

你的试卷模板是完全固定的（每次布局一样），还是会有变化？如果是完全固定的，用模板坐标映射是最省事的，我可以帮你写一个完整的识别脚本。如果是多变的，可能需要加入YOLO做区域检测，但工作量会大一些。