摘要：
无论文件名=askopenfilename（title=“选择识别图片”，“*.png”）]defing_read（文件名）：pic_width=img.shape[：resize_rate=MAX_width/pic_widthimg=cv2.resize（img，int（pic_hight*resize_rate）），
主要代码参考https://blog.csdn.net/wzh191920/article/details/79589506
GitHub：https://github.com/yinghualuowu
首先我们需要一个函数可以随时获取图片，无论在什么地方
filename = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"),("png图片","*.png")])
def img_read(filename): return cv2.imdecode(np.fromfile(filename, dtype=np.uint8), cv2.IMREAD_COLOR)
另外我们需要考虑图片大小
pic_hight,pic_width = img.shape[:2]
if pic_width > MAX_WIDTH:
resize_rate = MAX_WIDTH / pic_width
img = cv2.resize(img, (MAX_WIDTH, int(pic_hight * resize_rate)), interpolation=cv2.INTER_AREA)
#缩小图片
进行形态学操作，以下步骤并不是必选项，根据方法来选取一些预处理步骤
blur = 3 img = cv2.GaussianBlur(img,(blur,blur),0) oldimg = img img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转化成灰度图像 Matrix = np.ones((20, 20), np.uint8) img_opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, Matrix) img_opening = cv2.addWeighted(img, 1, img_opening, -1, 0) #创建20*20的元素为1的矩阵 开操作，并和img重合 ret, img_thresh = cv2.threshold(img_opening, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) img_edge = cv2.Canny(img_thresh, 100, 200) #Otsu’s二值化 找到图像边缘 Matrix = np.ones((4, 19), np.uint8) img_edge1 = cv2.morphologyEx(img_edge, cv2.MORPH_CLOSE, Matrix) img_edge2 = cv2.morphologyEx(img_edge1, cv2.MORPH_OPEN, Matrix)
比如下面这张进行预处理后，就变成
