opencv摄像头识别手写数字的代码

以下是使用OpenCV和Python编写的识别手写数字的代码：

import cv2
import numpy as np

# 载入训练好的模型
model = cv2.ml.KNearest_create()
model.load('digits_model.xml')

# 摄像头初始化
cap = cv2.VideoCapture(0)

while True:
    # 拍摄一张图像
    ret, img = cap.read()

    # 转换为灰度图像并进行二值化处理
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    th = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

    # 找到数字轮廓
    contours, hier = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 遍历每一个轮廓
    for c in contours:
        # 绘制矩形框
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

        # 将数字图像转换为28x28像素
        roi = th[y:y+h, x:x+w]
        roi = cv2.resize(roi, (28, 28), interpolation=cv2.INTER_AREA)
        roi = cv2.dilate(roi, (3, 3))

        # 将图像转换为模型所需的格式
        data = np.reshape(roi, (1, 784)).astype(np.float32)
        ret, result, neighbours, dist = model.findNearest(data, k=1)

        # 在图像中绘制识别结果
        cv2.putText(img, str(int(result[0][0])), (x, y-5), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示图像
    cv2.imshow('camera', img)

    # 检测按下的按键
    k = cv2.waitKey(1)
    if k == 27:  # Esc键退出
        break

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

这段代码使用了KNN算法对手写数字进行识别，首先从摄像头拍摄一张图像，然后将其转换为灰度图像，并进行二值化处理，接着找到数字轮廓，将数字图像转换为28x28像素，在图像中绘制识别结果后显示图像。