摄像头数字识别python

以下是使用Python进行摄像头数字识别的示例代码[^1]：

import cv2
import numpy as np
import tensorflow as tf

# 加载训练好的模型
model = tf.keras.models.load_model('digit_recognition_model.h5')

# 定义数字标签
labels = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头画面
    ret, frame = cap.read()
    
    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 对图像进行二值化处理
    _, threshold = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY_INV)
    
    # 寻找轮廓
    contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    for contour in contours:
        # 获取轮廓的边界框
        x, y, w, h = cv2.boundingRect(contour)
        
        # 提取数字区域
        digit_region = threshold[y:y+h, x:x+w]
        
        # 调整数字区域的大小
        resized_digit = cv2.resize(digit_region, (28, 28))
        
        # 将图像转换为模型所需的输入格式
        input_data = np.reshape(resized_digit, (1, 28, 28, 1))
        input_data = input_data.astype('float32') / 255.0
        
        # 使用模型进行预测
        prediction = model.predict(input_data)
        predicted_label = np.argmax(prediction)
        predicted_digit = labels[predicted_label]
        
        # 在图像上绘制识别结果
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        cv2.putText(frame, predicted_digit, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
    
    # 显示结果图像
    cv2.imshow('Digit Recognition', frame)
    
    # 按下'q'键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()

请注意，上述代码假设您已经训练了一个数字识别模型，并将其保存为`digit_recognition_model.h5`文件。您可以根据自己的需求进行模型训练和保存。