opencv数字识别python代码(期末作业

好的，以下是一个基于OpenCV的数字识别Python代码：

import cv2
import numpy as np
from keras.models import load_model

# 加载Keras模型
model = load_model('model.h5')

# 定义预处理函数
def preprocess(img):
    # 将图像转换为灰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 应用高斯模糊以减少噪音
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    # 应用阈值以将图像转换为黑白二值图像
    _, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    # 找到图像中的轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 计算图像中所有轮廓的最小外接矩形
    rects = [cv2.boundingRect(cnt) for cnt in contours]
    # 对所有矩形进行排序
    rects = sorted(rects, key=lambda x: x[0])
    
    # 创建一个列表来存储数字
    digits = []
    
    # 遍历所有矩形
    for rect in rects:
        # 获取矩形的坐标和大小
        x, y, w, h = rect
        # 跳过太小或太大的矩形
        if w < 10 or h < 10 or w > 200 or h > 200:
            continue
        # 提取矩形中的数字
        digit = thresh[y:y+h, x:x+w]
        # 调整数字大小以适应模型输入
        resized_digit = cv2.resize(digit, (28, 28))
        # 将数字添加到数字列表中
        digits.append(resized_digit)
    
    # 返回数字列表
    return digits

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取帧
    ret, frame = cap.read()
    # 预处理帧以获取数字
    digits = preprocess(frame)
    # 遍历数字并对其进行分类
    for digit in digits:
        # 调整图像以适应模型输入
        digit = digit.reshape(1, 28, 28, 1)
        # 对数字进行分类
        prediction = model.predict(digit)
        # 获取预测结果并显示在图像上
        digit_class = np.argmax(prediction)
        cv2.putText(frame, str(digit_class), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 255, 0), 2)
    # 显示帧
    cv2.imshow('frame', frame)
    # 如果用户按下q键，则退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭所有窗口
cap.release()
cv2.destroyAllWindows()

这段代码使用OpenCV和Keras库来识别摄像头中的数字。它首先将帧预处理以提取数字，并通过Keras模型对数字进行分类。最后，它在图像上显示预测结果。由于这只是一个基本的示例，您可能需要对代码进行调整以使其适合您的特定用例。