python 摄像头数字识别

要在Python中进行摄像头数字识别，可以使用OpenCV和TensorFlow等库来实现。以下是一个基本的示例代码：

import cv2
import numpy as np
import tensorflow as tf

# 加载训练好的模型
model = tf.keras.models.load_model('digit_model.h5')

# 定义数字标签
digits = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 定义摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头帧
    ret, frame = cap.read()

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 对图像进行预处理
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    _, thresh = cv2.threshold(blurred, 100, 255, cv2.THRESH_BINARY_INV)

    # 查找图像中的轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    for contour in contours:
        # 提取轮廓的边界框
        (x, y, w, h) = cv2.boundingRect(contour)

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

        # 调整图像大小为28x28像素
        roi = cv2.resize(roi, (28, 28), interpolation=cv2.INTER_AREA)

        # 将图像转换为模型可以接受的输入
        roi = np.array(roi, dtype=np.float32)
        roi = roi.reshape(1, 28, 28, 1) / 255.0

        # 使用模型进行预测
        pred = model.predict([roi])
        digit = digits[np.argmax(pred)]

        # 在图像上绘制预测结果
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.putText(frame, str(digit), (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

    # 显示帧
    cv2.imshow('frame', frame)

    # 按下'q'键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们首先加载了一个预先训练好的数字识别模型（digit_model.h5），然后使用OpenCV从摄像头读取帧。对每一帧进行预处理后，我们使用模型进行数字识别，并在图像上绘制预测结果。最后，我们通过按下'q'键来退出循环，释放摄像头和窗口。

请注意，此示例仅为基本示例，并且可能需要根据您的具体需求进行修改和调整