在opencv使用Jupyter代码写一个识别数字1，2，3，4，5，6，7，8的图片识别程序

下面是一个简单的示例代码，该代码使用了OpenCV和sklearn库来训练和识别数字图片。

首先，需要导入必要的库。

import cv2
import numpy as np
from sklearn.neural_network import MLPClassifier

然后，需要定义一个函数来加载训练数据和标签。

def load_dataset():
    # 加载训练数据和标签
    train_data = []
    train_labels = []
    for i in range(1, 9):
        for j in range(1, 6):
            img = cv2.imread(f"data/{i}_{j}.jpg")
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            train_data.append(gray.flatten())
            train_labels.append(i)
    return np.array(train_data), np.array(train_labels)

这个函数会遍历每个数字图片，将其转换为灰度图像，并将其展平为一个一维数组。然后，使用sklearn库中的MLPClassifier类来训练模型。

# 加载训练数据和标签
train_data, train_labels = load_dataset()

# 训练模型
model = MLPClassifier(hidden_layer_sizes=(50, 50), max_iter=500)
model.fit(train_data, train_labels)

训练完成后，就可以使用模型来识别数字图片。下面是一个示例函数，它将输入的图像文件名作为参数，返回该图像中包含的数字。

def recognize_digit(filename):
    # 加载图像
    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 将图像展平为一维数组
    data = gray.flatten()
    
    # 使用模型进行预测
    prediction = model.predict([data])
    
    # 返回预测结果
    return prediction[0]

最后，可以使用这个函数来识别数字图片。

# 识别数字图片
print(recognize_digit("test/1.jpg"))
print(recognize_digit("test/2.jpg"))
print(recognize_digit("test/3.jpg"))
print(recognize_digit("test/4.jpg"))
print(recognize_digit("test/5.jpg"))
print(recognize_digit("test/6.jpg"))
print(recognize_digit("test/7.jpg"))
print(recognize_digit("test/8.jpg"))

这个例子中，我们假设训练数据和测试数据都已经准备好了。如果你需要自己准备数据，请参考这个教程：[使用OpenCV进行数字识别](https://www.pyimagesearch.com/2020/08/24/ocr-handwriting-recognition-with-opencv-knn-and-python/)。