opencv数字识别窗口代码

以下是使用OpenCV进行数字识别的窗口代码示例：

import cv2
import numpy as np

# 加载训练好的数字分类器
digits_classifier = cv2.ml.KNearest_create()
digits_classifier.train(trainData, cv2.ml.ROW_SAMPLE, trainLabels)

# 创建窗口
cv2.namedWindow('Digit Recognition', cv2.WINDOW_NORMAL)

# 读取测试图像
img = cv2.imread('test.png', cv2.IMREAD_GRAYSCALE)

# 对图像进行预处理
img = cv2.GaussianBlur(img, (5, 5), 0)
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 查找轮廓
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓
for cnt in contours:
    # 计算轮廓的边界框
    x, y, w, h = cv2.boundingRect(cnt)
    if h < 20 or w < 20:
        continue

    # 提取数字图像
    digit_img = img[y:y+h, x:x+w]

    # 调整图像大小为 20x20
    digit_img = cv2.resize(digit_img, (20, 20))

    # 将图像转换为一维数组
    digit_img = digit_img.reshape((1, 400)).astype(np.float32)

    # 使用训练好的分类器对数字进行分类
    ret, result, neighbours, dist = digits_classifier.findNearest(digit_img, k=1)

    # 在图像上显示识别结果
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    cv2.putText(img, str(int(ret)), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA)

# 显示识别结果
cv2.imshow('Digit Recognition', img)
cv2.waitKey()
cv2.destroyAllWindows()

在这个示例代码中，我们首先加载了训练好的数字分类器。然后，我们创建了一个窗口来显示识别结果。接着，我们读取了测试图像，并对图像进行了预处理，包括高斯模糊、自适应阈值和二值化。然后，我们查找图像中的数字轮廓，并遍历每个轮廓。对于每个数字，我们提取了数字图像，并调整图像大小为20x20。然后，我们使用训练好的分类器对数字进行分类，并在图像上显示识别结果。最后，我们显示识别结果并等待用户按下任意键关闭窗口。