基于python，采集摄像头图像，进行预处理，然后使用支撑向量机识别所获取图像中的手写数字123，并分别输出三个数字的范围和坐标

要采集摄像头图像，并使用支持向量机识别所获取图像中的手写数字123，并分别输出三个数字的范围和坐标，可以使用Python中的OpenCV和sklearn库。以下是一个简单的示例代码：

import cv2
from sklearn import datasets, svm
import numpy as np

# 创建SVM分类器
classifier = svm.SVC(gamma=0.001)

# 加载手写数字数据集
digits = datasets.load_digits()

# 训练模型
classifier.fit(digits.data, digits.target)

# 开启摄像头
cap = cv2.VideoCapture(0)

while(True):
    # 读取摄像头图像
    ret, frame = cap.read()

    # 将图像转为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 进行预处理，例如二值化、去噪等
    # ...

    # 检测手写数字区域，并获取数字图像列表
    digit_imgs = []
    # ...

    # 预测数字，并输出范围和坐标
    for digit_img in digit_imgs:
        # 将数字图像转为8x8的图像，并预测数字
        digit_img = cv2.resize(digit_img, (8, 8))
        digit_img = digit_img / 16.0
        digit_img = digit_img.reshape(1, -1)
        digit_pred = classifier.predict(digit_img)

        # 判断数字，并输出范围和坐标
        if digit_pred == 1:
            # 输出数字1的范围和坐标
            # ...
        elif digit_pred == 2:
            # 输出数字2的范围和坐标
            # ...
        elif digit_pred == 3:
            # 输出数字3的范围和坐标
            # ...

    # 显示摄像头图像和数字识别结果
    cv2.imshow('frame', frame)
    for i, digit_img in enumerate(digit_imgs):
        cv2.imshow('digit' + str(i), digit_img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

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

在这个代码中，我们首先创建SVM分类器，并使用digits数据集来训练模型。然后，我们开启摄像头，并读取摄像头图像。接下来，我们进行预处理，例如二值化、去噪等。然后，我们检测手写数字区域，并获取数字图像列表。接下来，我们遍历数字图像列表，将每个数字图像转为8x8的图像，并预测数字。最后，我们根据数字的预测结果判断数字，并输出范围和坐标。在代码的最后，我们展示摄像头图像和数字识别结果，并等待按下“q”键来退出程序。

请注意，这个示例代码只是一个简单的演示，你可以根据自己的需求进行更改和调整。需要注意的是，在实际应用中，数字的预处理和检测手写数字区域可能需要一些高级的算法和技术。