tensorflow本地导入图片进行手写数字识别_python tensorflow 图片识别-优快云博客

本文介绍使用TensorFlow实现的手写数字识别系统。通过加载预训练模型，将本地图片转换为28x28灰度图像，进行颜色反转和归一化处理，最终预测并输出图片中的数字。此系统适用于快速识别手写数字，如MNIST数据集中的数字。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow本地导入图片进行手写数字识别

from PIL import Image #导入图片模块

import numpy as np #导入科学计算库

import tensorflow as tf #导入机器学习框架

model_save_path = './checkpoint/mnist.ckpt' #训练好的模型路径

model = tf.keras.models.Sequential([ #实现前向传播
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation = "relu"),
    tf.keras.layers.Dense(10, activation = "softmax")
])

model.load_weights(model_save_path) #加载参数

preNum = int(input("输入要测试多少张图片："))

for i in range(preNum): #读入待识别的图片
    image_path = input("测试图片的数字是：")
    img = Image.open(image_path)
    img = img.resize((28, 28), Image.ANTIALIAS) #把输入图片resieze成28*28尺寸的图片，转换为灰度图
    img_arr = np.array(img.convert('L'))

    # img_arr = 255 - img_arr #颜色取反
    for i in range(28): #让图片变为只有黑色和白色的高对比图
        for j in range(28):
            if img_arr[i][j] < 200:
                img_arr[i][j] = 255 #像素点小于200的全部变为255，纯白色
            else:
                img_arr[i][j] = 0  #像素点大于200的全部变为0，纯黑色

    img_arr = img_arr / 255.0 #归一化处理
    x_predict = img_arr[tf.newaxis, ...] #添加一个维度，变为三个维度
    result = model.predict(x_predict) #预测结果
    pred = tf.argmax(result, axis = 1)
    print("\n")
    tf.print(pred)

图片存放在根目录下：

结果为：

E:\Anaconda3\envs\TF2\python.exe C:/Users/Administrator/PycharmProjects/untitled8/导入图片手写识别.py
输入要测试多少张图片：3
测试图片的数字是：4.png

[4]

测试图片的数字是：7.png

[7]

测试图片的数字是：3.png

[3]

Process finished with exit code 0