制作编程数字手势图可以通过以下步骤进行：
准备工作
安装Python3，建议使用Python3.8.x版本。
安装必要的库，包括OpenCV-Python、MediaPipe和NumPy。可以使用pip命令进行安装：
```bash
pip install opencv-python
pip install mediapipe
pip install numpy
```
准备手势图片
准备6张手的图片，每张图片代表一个数字。
编写代码
创建一个名为`handutil.py`的模块，其中包含一个`HandDetector`类，用于检测手势和获取手势数据。代码示例如下：
```python
import cv2
import mediapipe as mp
class HandDetector:
def __init__（self, mode=False, max_hands=2, detection_con=0.5, track_con=0.5）:
self.mode = mode
self.max_hands = max_hands
self.detection_con = detection_con
self.track_con = track_con
def detect（self, image）:
使用MediaPipe进行手势检测
with mp_hands.Hands（min_detection_confidence=self.detection_con, min_tracking_confidence=self.track_con） as hands:
results = hands.process（image）
if results.multi_hand_landmarks:
for hand_landmarks in results.multi_hand_landmarks:
获取手势数据并返回
return self.get_gesture_data（hand_landmarks）
def get_gesture_data（self, hand_landmarks）:
提取手势数据，如ID、x、y坐标
这里需要根据实际的手势数据结构进行实现
pass
```
创建另一个名为`fingercount.py`的代码，调用`handutil.py`中的`HandDetector`类，获取手势数据，并将每个手势数据由3个数字组成：id, x, y。
创建手势图
可以使用亿图图示或其他图像编辑软件，将不同的手势图片（如数字1到10的手势）创建成一张图。
整合代码与图片
在`fingercount.py`中，调用`handutil.py`的`HandDetector`类，获取手势数据，并将这些数据与对应的手势图片结合，生成最终的手势图。
测试与优化
运行程序，测试手势识别的准确性，并根据需要调整代码中的参数，如检测信度值和跟踪信度值。
通过以上步骤，你可以制作出编程数字手势图。建议在实际应用中，多尝试不同的手势图片和参数设置，以获得最佳的手势识别效果。