针对“基于OpenMV的图像识别之数字识别功能”的攻略，需要分以下几个方面来详细介绍：
首先，需要准备好OpenMV开发板、电脑、连接线等硬件设备。其次，需要准备好一些基础的python编程知识，以及相关的电脑端工具软件，例如OpenMV IDE、USB驱动程序等。
在准备工作完成之后，需要搭建相关的OpenMV环境。具体步骤如下：
（1）下载OpenMV IDE，并且安装好USB驱动程序；
（2）将OpenMV开发板通过USB线连接至电脑端，打开OpenMV IDE后，就能看到相关的操作界面；
（3）在OpenMV IDE中，选择“Tools”菜单下的“Plugin Installer”选项，从而安装相关的插件；
（4）最后，将OpenMV开发板和各种相关的传感器等硬件设备正确连接即可。
（1）首先，需要在OpenMV IDE中新建一个python文件；
（2）接着，利用OpenMV板载的摄像头，对需要识别的数字进行拍摄，并将得到的图像保存在电脑的指定目录下；
（3）之后，在OpenMV IDE中对图像进行读取和处理。利用OpenMV板载的图像预处理功能，能够方便地将图像转化为矩阵形式。例如，可以利用“image.to_grayscale()”函数将RGB形式的图像转化为灰度图像，并且可以利用“image.binary([threshold], [invert])”函数将灰度图像转化为0和1代表的二值图像；
（4）然后，对转化后的图像进行数字识别处理。利用OpenMV板载的机器学习功能，可以训练出识别数字的模型，并将其应用于实际图像中。例如，可以利用“kpu.load([model_file])”函数将训练好的模型文件加载到OpenMV开发板上，并通过“kpu.forward([image])”函数对图像进行数字识别；
（5）最后，将数字识别结果进行输出和展示。可以调用OpenMV板载的LCD显示屏，将识别数字输出到LCD屏幕上，从而完成数字的图像识别功能。
除了以上的开发步骤之外，下面给出两个具体的数字识别示例说明，具体如下：
（1）利用OpenMV板载单色阵列摄像头，对黑白数字图片进行识别。在训练模型时，需要将图片转化为黑色背景、白色数字的形式，并调整阈值使得数字部分为255，背景部分为0。此外，还需要对模型进行参数调参，如学习率、训练轮数等。最后，将得到的识别结果通过串口发送给上位机或者显示在LCD上。
（2）利用OpenMV板载彩色摄像头，对彩色数字图片进行识别。同样，需要对图片进行去噪、分离RGB颜色通道等预处理操作，然后训练出相应的数字识别模型，并将其应用于实际图像中。最后，可以将识别结果通过串口发送给上位机或者显示在LCD上。
以上就是关于“基于OpenMV的图像识别之数字识别功能”的完整攻略，希望对你有所帮助。