完整的opencv摄像头识别手写数字的代码

以下是一个基于opencv的手写数字识别的示例代码：

import cv2
import numpy as np

# 定义画布大小、画笔颜色和笔画粗细
canvas_size = (200,200)
canvas_bg_color = (0,0,0)
pen_color = (255,255,255)
pen_thickness = 10

# 新建画布
canvas = np.zeros(canvas_size, dtype=np.uint8)
canvas.fill(canvas_bg_color)

# 定义手写数字识别模型
model = ... # 模型的具体实现可自行搜索

# 定义一个回调函数，用于处理鼠标事件
def draw_on_canvas(event,x,y,flags,param):
    if event == cv2.EVENT_LBUTTONUP:
        # 当鼠标松开时，进行手写数字识别并将结果显示在画布上
        img = cv2.resize(canvas,(28,28))
        img = np.reshape(img,(1,-1))
        prediction = model.predict(img)[0]
        cv2.putText(canvas, str(prediction), (50,100), cv2.FONT_HERSHEY_SIMPLEX, 2, pen_color, 2)

# 创建窗口并绑定事件回调函数
cv2.namedWindow('Canvas')
cv2.setMouseCallback('Canvas', draw_on_canvas)

# 循环，监听用户按键事件，按ESC键退出程序
while True:
    cv2.imshow('Canvas', canvas)
    key = cv2.waitKey(1) & 0xFF
    if key == 27:
        break

# 关闭窗口，释放资源
cv2.destroyAllWindows()

在这个示例代码中，我们定义了一个 `canvas`，表示手写数字识别的画布，用户可以在上面用鼠标进行书写，然后进行手写数字识别并显示识别结果。

具体的手写数字识别模型的实现可以参考相关的机器学习、深度学习教程，这里不再赘述。在实际应用中，也可以使用一些现成的手写数字识别模型，例如 MNIST、EMNIST 等公开数据集上预训练好的模型。