python opencv 数字识别

要使用OpenCV进行数字识别，可以使用机器学习的方法，例如使用支持向量机（SVM）分类器来训练和预测数字。

以下是一个使用OpenCV和SVM进行数字识别的示例代码：

import cv2
import numpy as np

# 加载训练数据
digits = cv2.imread('digits.png', 0)
rows = np.vsplit(digits, 50)
cells = []
for row in rows:
    row_cells = np.hsplit(row, 50)
    for cell in row_cells:
        cell = cell.flatten()
        cells.append(cell)
cells = np.array(cells, dtype=np.float32)

# 创建标签
labels = np.repeat(np.arange(10), len(cells)/10)

# 训练SVM分类器
svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_RBF)
svm.train(cells, cv2.ml.ROW_SAMPLE, labels)

# 加载测试图像
image = cv2.imread('test.png', 0)

# 预处理图像
image = cv2.GaussianBlur(image, (5, 5), 0)
_, image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY_INV)

# 查找轮廓
contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 预测数字
for contour in contours:
    (x, y, w, h) = cv2.boundingRect(contour)
    if w < 10 or h < 10:
        continue
    roi = image[y:y+h, x:x+w]
    roi = cv2.resize(roi, (20, 20))
    roi = roi.reshape(1, 400).astype(np.float32)
    _, result = svm.predict(roi)
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    cv2.putText(image, str(int(result[0][0])), (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

# 显示结果
cv2.imshow('Result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

此代码假设训练数据存储在名为digits.png的图像文件中，测试图像存储在名为test.png的图像文件中。你可以将训练数据和测试图像替换为自己的图像文件。

上述代码将训练SVM分类器使用的数字图像划分为单个数字图像，并使用这些图像来训练分类器。然后它会加载测试图像并对其进行预处理，以便与训练数据相匹配。最后，它将在测试图像中查找轮廓，并对每个轮廓进行数字预测，并将结果显示在图像上。

请注意，此示例代码可能需要对训练数据和预处理步骤进行调整，以便根据实际情况进行适当的调整