opencv+KNN实现手写简单数字识别

最新推荐文章于 2025-06-03 21:41:00 发布

qq_30537063

最新推荐文章于 2025-06-03 21:41:00 发布

阅读量4k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：小白学python 文章标签： python

本文链接：https://blog.youkuaiyun.com/qq_30537063/article/details/51910868

本文介绍了使用Python和OpenCV实现手写简单数字识别的过程，通过KNN算法进行分类。尽管识别效率不高，需要相似的训练数据，但作者分享了其成果并计划优化。此外，还提出了结合Adaboost算法来提高识别速度的想法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学长要求做一个可视化的与数据分析的程序，就想到了这个，用了最简单的方法，其实识别效率不是很高，基本上书写要与训练数据比较相似才能识别出来，正在想办法去优化，先把目前的成果分享出来，本人是用python+opencv做的。

draw.py

相当于一个写字板，将写完字后的图片保存转为32*32

#encoding:utf-8
import cv2
import numpy as np #mouse callback function
from knn import *
ix,iy=-1,-1
#创建图像与窗口并将窗口与回调函数绑定
def in_img():
    for i in range(512):
        img[i,:]=255
    cv2.namedWindow('image')
    cv2.setMouseCallback('image',draw_circle)
    while(1):
        cv2.imshow('image',img)
        if cv2.waitKey(20)& 0xFF == ord('q'):
            cv2.imwrite( '1.jpg',img)
            break
    cv2.destroyAllWindows()
def draw_circle(event,x,y,flags,param):
    global ix,iy,drawing
    if event==cv2.EVENT_LBUTTONDOWN:
        drawing=True
        ix,iy=x,y
    elif event==cv2.EVENT_MOUSEMOVE and flags==cv2.EVENT_FLAG_LBU