基于opencv的数字识别系统

一、目的
想要实现的功能：帮助我们在泵中扫描燃油，并在应用程序中输入燃油信息。

所需技术：①python程序对于拍摄的汽油泵的图像，尝试从中读取数字。——opencv实现。②先使用python对其进行原型设计，然后将代码转换成C++以在ios应用程序上运行。

        但是我不会部署在移动端，对第二个不做研究。

目标：需要考虑两个问题：

可以从图像中分离出数字吗？——用opencv图像阈值法来查找数字，进行裁剪轮廓
可以确定图像代表哪个数字吗？——KNN进行分类训练。
二、图像中分离出数字
思路：利用简单的图像阈值法来查找数字。

图像阈值法：将图像转换为灰度，然后说灰度值小于某个常数的任何像素，则该像素为一个值，否则为另一个。最后，得到的二进制图像只有两种颜色，在大多数情况下只是黑白图像。一幅图通常包含目标物体还有各种背景和噪声，想要得到目标物体，就要设置一个阈值，用阈值将图像的像素分割成两部分。

        但是阈值的值如何确定呢？——五、自动化可以解决阈值的选择

        这个概念在OCR应用中非常有效，但是主要问题是决定对该阈值使用什么。我们可以选择一些常量，也可以使用OpenCV选择其他一些选项。我们可以使用自适应阈值而不是使用常数，这将使用图像的较小部分并确定要使用的不同阈值。这在具有不同照明情况的应用中特别有用，特别是在扫描气泵中。

设置好阈值后，使用opencv中的findcontours方法查找图像中连接了白色像素部分的区域。绘制轮廓后，便可以裁剪出这些区域并确定它们是否可能是数字以及是什么数字。

2.1 图像处理流程
这是我在测试图像处理中使用的原始图像。它有一些眩光点，但是图像相当干净。让我们逐步完成获取此源图像的过程，并尝试将其分解为单个数字。

在代码中主要对应于playground.py函数，这个相当于完整的代码，会输出最后的预测结果，其中图像分割部分主要调用的是frameProcessor.py文件中的函数。

原始图片

 2.1.1 图像准备
在开始图像处理流程之前，我们决定先调整一些图像属性，然后再继续。这有点试验和错误，但注意到，当我们调整图像的曝光度时，可