基于Python的7段数码管（FND）数字识别问题求助（适配树莓派）

正在Google Colaboratory中使用Python编写7段数码管（FND）数字识别代码，该代码是树莓派4驱动电机流程的一部分，需实时识别摄像头拍摄的秤的7段数码管数字并向电机发送信号。当前核心代码如下：

image=cv2.imread("/content/cas.jpg")
image=imutils.resize(image, height=500)

gray=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5,5),0)
edged = cv2.Canny(blurred,50,200,255)

contours=cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
contours = grab_contours(contours)
contours = sorted(contours, key=cv2.contourArea, reverse=True)
displayCnt = None

for c in contours :
  peri = cv2.arcLength(c,True)
  approx = cv2.approxPolyDP(c, 0.02*peri, True)
  if len(approx)==4 :
    displayCnt = approx
    break

[x, y,w, h] = cv2.boundingRect(displayCnt)
cv2.rectangle(image, (x,y), (x+w,y+h), (0,0,255), 2)
plt.imshow(image)
plt.show()

warped = four_point_transform(gray, displayCnt.reshape(4,2))
output=four_point_transform(image,displayCnt.reshape(4,2))
plt.imshow(warped)
plt.show()

thresh = cv2.threshold(warped, 0, 255,
                       cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (1,5))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
plt.imshow(thresh)
plt.show()

cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
digitCnts = []

for c in cnts :
   (x, y, w, h) = cv2.boundingRect(c)
   if w >= 30 and h>=3:
      digitCnts.append(c)

for digit in digitCnts:
   [x, y, w, h] = cv2.boundingRect(digit)
   cv2.rectangle(output,(x,y),(x+w,y+h),(0,255,0),2)
plt.title('digit')
plt.imshow(output)
plt.show()

当前问题：单个数字无法被完整框选，疑似因7段数码管的连接处断裂导致。尝试调整W、H阈值但丢失了校准参数，且不想使用深度学习或机器学习技术，求修改现有代码的方法或其他可行方案。

• 调整形态学操作，修复断裂笔画
  原代码使用的开运算（先腐蚀后膨胀）更适合去除噪声，改用闭运算（先膨胀后腐蚀）可以闭合数码管笔画的小断裂，或者单独执行膨胀操作连接断裂部分：

  # 替换原形态学操作代码
  # 使用矩形核覆盖横向、纵向的断裂缺口
  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 4))
  # 闭运算闭合笔画断裂
  thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
  
  # 或者先膨胀连接断裂，再腐蚀降噪
  # kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
  # thresh = cv2.dilate(thresh, kernel, iterations=1)
  # thresh = cv2.erode(thresh, kernel, iterations=1)
  

  调整核的尺寸（如(2,4)、(3,3)）可以适配不同程度的断裂情况，确保同一数字的笔画连接成整体轮廓。

• 按数字区域合并断裂轮廓
  数码管数字按从左到右排列，可先按轮廓的x坐标排序，再根据相邻轮廓的位置关系判断是否属于同一数字，合并后生成整体框：

  cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
  cnts = imutils.grab_contours(cnts)
  # 按轮廓的x坐标从左到右排序
  cnts = sorted(cnts, key=lambda c: cv2.boundingRect(c)[0])
  digitCnts = []
  current_group = []
  
  for c in cnts:
      x, y, w, h = cv2.boundingRect(c)
      # 过滤过小的噪声轮廓
      if w < 8 or h < 20:
          continue
      if not current_group:
          current_group.append(c)
      else:
          # 获取当前组第一个轮廓的位置信息
          prev_x, prev_y, prev_w, prev_h = cv2.boundingRect(current_group[0])
          # 同一数字的轮廓间距小、y轴范围重叠
          if (x - (prev_x + prev_w)) < 12 and abs(y - prev_y) < prev_h // 2:
              current_group.append(c)
          else:
              # 计算当前组的整体边界框
              x_min = min([cv2.boundingRect(contour)[0] for contour in current_group])
              y_min = min([cv2.boundingRect(contour)[1] for contour in current_group])
              x_max = max([cv2.boundingRect(contour)[0] + cv2.boundingRect(contour)[2] for contour in current_group])
              y_max = max([cv2.boundingRect(contour)[1] + cv2.boundingRect(contour)[3] for contour in current_group])
              # 创建虚拟轮廓表示整体数字框
              dummy_contour = np.array([[[x_min, y_min]], [[x_max, y_min]], [[x_max, y_max]], [[x_min, y_max]]], dtype=np.int32)
              digitCnts.append(dummy_contour)
              current_group = [c]
  # 处理最后一组数字
  if current_group:
      x_min = min([cv2.boundingRect(contour)[0] for contour in current_group])
      y_min = min([cv2.boundingRect(contour)[1] for contour in current_group])
      x_max = max([cv2.boundingRect(contour)[0] + cv2.boundingRect(contour)[2] for contour in current_group])
      y_max = max([cv2.boundingRect(contour)[1] + cv2.boundingRect(contour)[3] for contour in current_group])
      dummy_contour = np.array([[[x_min, y_min]], [[x_max, y_min]], [[x_max, y_max]], [[x_min, y_max]]], dtype=np.int32)
      digitCnts.append(dummy_contour)
  

  此方法无需调整宽高阈值，直接通过位置关系合并同一数字的断裂部分，生成完整的数字框。

• 改用自适应阈值优化笔画完整性
  原Otsu全局阈值易受光照不均影响，改用自适应阈值可根据局部区域亮度调整，减少笔画断裂：

  # 替换原阈值处理代码
  thresh = cv2.adaptiveThreshold(warped, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

  参数11是局部区域大小，2是阈值调整量，可根据实际画面亮度微调。

• 基于数码管结构的轮廓过滤
  7段数码管的单个数字宽高比相对固定（通常在0.5-0.8之间），合并轮廓后可通过宽高比过滤异常框：

  # 在生成digitCnts后添加过滤逻辑
  filtered_digitCnts = []
  for contour in digitCnts:
      x, y, w, h = cv2.boundingRect(contour)
      aspect_ratio = w / float(h)
      # 保留符合数码管数字宽高比的框
      if 0.5 <= aspect_ratio <= 0.8:
          filtered_digitCnts.append(contour)
  digitCnts = filtered_digitCnts
  

内容的提问来源于stack exchange，提问作者Park