用KNN實現手寫數字識別：基于 OpenCV 和 scikit-learn 的實戰教學

在這篇文章中，我們將使用 KNN（K-Nearest Neighbors）算法對手寫數字進行分類識別。我們會用 OpenCV 讀取圖像并預處理數據，用 scikit-learn 構建并訓練模型，最終識別新的數字圖像。

為什么像素可以被代碼讀取為數據：

圖像的本質：像素的數字矩陣

任何數字圖像（如照片、截圖、手寫數字圖片）都是由無數個微小的 “像素點”（Pixel）組成的

• 每個像素點的數值含義：

  • 對于灰度圖（如代碼中的手寫數字），每個像素用一個 0-255 的整數表示亮度：0 代表純黑，255 代表純白，中間值表示不同深淺的灰色。
  • 對于彩色圖（如 RGB 格式），每個像素由三個數值（R、G、B）組成，分別對應紅、綠、藍三種顏色的亮度，組合后呈現出各種顏色。

（可以在調試時看一看代碼里的‘gray’參數里面 單個數字圖像的矩陣）

此20×20 像素的數字圖像就是一個數字矩陣顯示出的一個大大的 0

使用的數據集

我們使用的是一個包含 5000 個手寫數字（0-9） 的圖像文件（digits5000.png），每種數字500個，總共10類。圖像被排布成了一個 50 行 × 100 列 的網格，每個小格是一個 20×20 像素的數字圖像。

數據圖像：

保存下面代碼所需的三張圖片：

?

上面的 ‘3’，‘6’ 圖片可在‘開始’里的‘畫圖’中，可以創建我們想要自定義的數字圖片：

然后使用畫筆寫一個數字后（筆粗一點）：

把比例調到? ?20×20 像素

即可得到。

?完整代碼：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import cv2# 讀取包含5000個手寫數字的大圖，每個數字為20x20像素
img = cv2.imread('digits5000.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 轉換為灰度圖# 將大圖分割為50行100列的小單元格，每個單元格包含一個手寫數字
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]# 將單元格列表轉換為四維數組: (50行, 100列, 20像素高, 20像素寬)
x = np.array(cells)# 準備訓練集和測試集數據
# 前50列作為訓練集，后50列作為測試集
# 數據重塑為: (樣本數, 特征數)，每個樣本包含400個像素值
train = x[:,:50].reshape(-1,400)
test = x[:,50:].reshape(-1,400)# 創建標簽數據
n = np.arange(10)  # 創建數字0-9的數組
# 每個數字對應250個樣本(50行×5列)，生成訓練標簽
tags = np.repeat(n,250)
tag = tags[:,np.newaxis]  # 轉換為二維數組，形狀為(2500, 1)# 創建并訓練KNN分類器，使用k=5最近鄰
knn = KNeighborsClassifier(n_neighbors=5)    #給初學者的建議：在此處設置斷點 或 直接在import處設置斷點，開啟調試一行一行地運行，更好的看到每一個參數的變化
knn.fit(train, tag)# 評估模型在訓練集上的準確率
predictions_train = knn.predict(train)    #此行結果沒有運行，建議在開啟調試，可看到
accuracy_train = knn.score(train, tag)
print(f"訓練集準確率: {accuracy_train:.4f}")# 評估模型在測試集上的準確率
predictions_test = knn.predict(test)
accuracy_test = knn.score(test, tag)
print(f"測試集準確率: {accuracy_test:.4f}")# 預測外部數字3的圖像
digit3 = cv2.imread('digit3.png')
digit3gray = cv2.cvtColor(digit3, cv2.COLOR_BGR2GRAY)
digit3test = digit3gray.reshape(-1,400)  # 重塑為模型期望的輸入格式
predictions_digit3 = knn.predict(digit3test)
print(f"預測數字3的結果: {predictions_digit3}")# 預測外部數字6的圖像
digit6 = cv2.imread('digit6.png')
digit6gray = cv2.cvtColor(digit6, cv2.COLOR_BGR2GRAY)
digit6test = digit6gray.reshape(-1,400)  # 重塑為模型期望的輸入格式
predictions_digit6 = knn.predict(digit6test)
print(f"預測數字6的結果: {predictions_digit6}")

紅色斷點：

調試：

點擊 單步執行 或 其他? ?，多嘗試嘗試

點擊“作為...查看”即可清晰查看

---

所需庫導入

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import cv2

• numpy: 用于矩陣操作。

• sklearn.neighbors.KNeighborsClassifier: 實現KNN分類器。

• cv2: OpenCV庫，用于圖像讀取與處理。

---

圖像加載與預處理

img = cv2.imread('digits5000.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

• cv2.imread() 讀取圖像。

• cv2.cvtColor() 將圖像從彩色（BGR）轉換為灰度（GRAY），便于處理。

---

圖像分割成小數字圖塊

cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]
x = np.array(cells)

• 使用 np.vsplit() 將圖像豎直切成50行（每行包含100個數字）。

• 對每行使用 np.hsplit() 水平切分成100列，最終每個小格是一個20x20的數字圖像。

• 得到的 x 是一個形狀為 (50, 100, 20, 20) 的數組。

---

構建訓練集與測試集

train = x[:,:50].reshape(-1,400)
test = x[:,50:].reshape(-1,400)

• 將每個 20×20 圖像展開為 1×400 的一維向量。

• 前 50 列作為訓練集，后 50 列作為測試集。

• train 和 test 的形狀均為 (2500, 400)。

---

構造標簽

n = np.arange(10)                   #(0123456789)
tags = np.repeat(n,250)            #每個數字重復250次 -> [0,...0,1,...,1,...9,...9]
tag = tags[:,np.newaxis]           #添加新維度，變成列向量
# test_tag = np.repeat(n,250)[:np.newaxis]   

• tags 是長度為 2500 的一維標簽數組。

• tag 是形狀為 (2500, 1) 的列向量，作為訓練和測試的真實標簽。

為什么重復250次，因為我們把數據從中間對半切開，每個數字有500個，左二百五十為訓練集，右二百五十個為測試集。

所以其實訓練集和測試集的標簽是一樣的，標簽就是每一個20x20數字圖像所顯示的數字。

---

訓練模型并評估準確率

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(train, tag)predictions_train = knn.predict(train)
accuracy_train = knn.score(train, tag)
print(accuracy_train)predictions_test = knn.predict(test)
accuracy_test = knn.score(test, tag)
print(accuracy_test)

• 初始化一個 KNN 分類器，選擇 k=5。

• 使用 .fit() 訓練模型。

• 使用 .predict() 和 .score() 對訓練集和測試集進行預測和評分。

• 打印準確率：理論上訓練集精度應很高，測試集略低（但通常也超過 97%）。

---

識別自定義手寫數字

digit3 = cv2.imread('digit3.png')   #圖片中的數字是3
digit3gray = cv2.cvtColor(digit3, cv2.COLOR_BGR2GRAY)
digit3test = digit3gray.reshape(-1,400)
predictions_digit3 = knn.predict(digit3test)
print(predictions_digit3)digit6 = cv2.imread('digit6.png')   #圖片中的數字是6
digit6gray = cv2.cvtColor(digit6, cv2.COLOR_BGR2GRAY)
digit6test = digit6gray.reshape(-1,400)
predictions_digit6 = knn.predict(digit6test)
print(predictions_digit6)

• 讀取兩張額外圖像 digit3.png 和 digit6.png。

• 將其轉換為灰度、再reshape成與訓練數據一致的 (1, 400) 形狀。

• 使用模型預測數字類別。

---

總結

我們用 KNN 成功實現了手寫數字的分類識別，關鍵步驟包括：

1. 圖像預處理和切分

2. 標簽構造與數據 reshape

3. 使用 KNeighborsClassifier 建模

4. 預測未知圖像的數字類別