用KNN实现手写数字识别：基于 OpenCV 和 scikit-learn 的实战教学

在这篇文章中，我们将使用 KNN（K-Nearest Neighbors）算法对手写数字进行分类识别。我们会用 OpenCV 读取图像并预处理数据，用 scikit-learn 构建并训练模型，最终识别新的数字图像。

为什么像素可以被代码读取为数据：

图像的本质：像素的数字矩阵

任何数字图像（如照片、截图、手写数字图片）都是由无数个微小的 “像素点”（Pixel）组成的

• 每个像素点的数值含义：

  • 对于灰度图（如代码中的手写数字），每个像素用一个 0-255 的整数表示亮度：0 代表纯黑，255 代表纯白，中间值表示不同深浅的灰色。
  • 对于彩色图（如 RGB 格式），每个像素由三个数值（R、G、B）组成，分别对应红、绿、蓝三种颜色的亮度，组合后呈现出各种颜色。

（可以在调试时看一看代码里的‘gray’参数里面 单个数字图像的矩阵）

此20×20 像素的数字图像就是一个数字矩阵显示出的一个大大的 0

使用的数据集

我们使用的是一个包含 5000 个手写数字（0-9） 的图像文件（digits5000.png），每种数字500个，总共10类。图像被排布成了一个 50 行 × 100 列 的网格，每个小格是一个 20×20 像素的数字图像。

数据图像：

保存下面代码所需的三张图片：

 

上面的 ‘3’，‘6’ 图片可在‘开始’里的‘画图’中，可以创建我们想要自定义的数字图片：

然后使用画笔写一个数字后（笔粗一点）：

把比例调到   20×20 像素

即可得到。

 完整代码：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import cv2# 读取包含5000个手写数字的大图，每个数字为20x20像素
img = cv2.imread('digits5000.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图# 将大图分割为50行100列的小单元格，每个单元格包含一个手写数字
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]# 将单元格列表转换为四维数组: (50行, 100列, 20像素高, 20像素宽)
x = np.array(cells)# 准备训练集和测试集数据
# 前50列作为训练集，后50列作为测试集
# 数据重塑为: (样本数, 特征数)，每个样本包含400个像素值
train = x[:,:50].reshape(-1,400)
test = x[:,50:].reshape(-1,400)# 创建标签数据
n = np.arange(10)  # 创建数字0-9的数组
# 每个数字对应250个样本(50行×5列)，生成训练标签
tags = np.repeat(n,250)
tag = tags[:,np.newaxis]  # 转换为二维数组，形状为(2500, 1)# 创建并训练KNN分类器，使用k=5最近邻
knn = KNeighborsClassifier(n_neighbors=5)    #给初学者的建议：在此处设置断点 或 直接在import处设置断点，开启调试一行一行地运行，更好的看到每一个参数的变化
knn.fit(train, tag)# 评估模型在训练集上的准确率
predictions_train = knn.predict(train)    #此行结果没有运行，建议在开启调试，可看到
accuracy_train = knn.score(train, tag)
print(f"训练集准确率: {accuracy_train:.4f}")# 评估模型在测试集上的准确率
predictions_test = knn.predict(test)
accuracy_test = knn.score(test, tag)
print(f"测试集准确率: {accuracy_test:.4f}")# 预测外部数字3的图像
digit3 = cv2.imread('digit3.png')
digit3gray = cv2.cvtColor(digit3, cv2.COLOR_BGR2GRAY)
digit3test = digit3gray.reshape(-1,400)  # 重塑为模型期望的输入格式
predictions_digit3 = knn.predict(digit3test)
print(f"预测数字3的结果: {predictions_digit3}")# 预测外部数字6的图像
digit6 = cv2.imread('digit6.png')
digit6gray = cv2.cvtColor(digit6, cv2.COLOR_BGR2GRAY)
digit6test = digit6gray.reshape(-1,400)  # 重塑为模型期望的输入格式
predictions_digit6 = knn.predict(digit6test)
print(f"预测数字6的结果: {predictions_digit6}")

红色断点：

调试：

点击 单步执行 或 其他   ，多尝试尝试

点击“作为...查看”即可清晰查看

---

所需库导入

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

• numpy: 用于矩阵操作。

• sklearn.neighbors.KNeighborsClassifier: 实现KNN分类器。

• cv2: OpenCV库，用于图像读取与处理。

---

图像加载与预处理

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

• cv2.imread() 读取图像。

• cv2.cvtColor() 将图像从彩色（BGR）转换为灰度（GRAY），便于处理。

---

图像分割成小数字图块

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

• 使用 np.vsplit() 将图像竖直切成50行（每行包含100个数字）。

• 对每行使用 np.hsplit() 水平切分成100列，最终每个小格是一个20x20的数字图像。

• 得到的 x 是一个形状为 (50, 100, 20, 20) 的数组。

---

构建训练集与测试集

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

• 将每个 20×20 图像展开为 1×400 的一维向量。

• 前 50 列作为训练集，后 50 列作为测试集。

• train 和 test 的形状均为 (2500, 400)。

---

构造标签

n = np.arange(10)                   #(0123456789)
tags = np.repeat(n,250)            #每个数字重复250次 -> [0,...0,1,...,1,...9,...9]
tag = tags[:,np.newaxis]           #添加新维度，变成列向量
# test_tag = np.repeat(n,250)[:np.newaxis]   

• tags 是长度为 2500 的一维标签数组。

• tag 是形状为 (2500, 1) 的列向量，作为训练和测试的真实标签。

为什么重复250次，因为我们把数据从中间对半切开，每个数字有500个，左二百五十为训练集，右二百五十个为测试集。

所以其实训练集和测试集的标签是一样的，标签就是每一个20x20数字图像所显示的数字。

---

训练模型并评估准确率

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)

• 初始化一个 KNN 分类器，选择 k=5。

• 使用 .fit() 训练模型。

• 使用 .predict() 和 .score() 对训练集和测试集进行预测和评分。

• 打印准确率：理论上训练集精度应很高，测试集略低（但通常也超过 97%）。

---

识别自定义手写数字

digit3 = cv2.imread('digit3.png')   #图片中的数字是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')   #图片中的数字是6
digit6gray = cv2.cvtColor(digit6, cv2.COLOR_BGR2GRAY)
digit6test = digit6gray.reshape(-1,400)
predictions_digit6 = knn.predict(digit6test)
print(predictions_digit6)

• 读取两张额外图像 digit3.png 和 digit6.png。

• 将其转换为灰度、再reshape成与训练数据一致的 (1, 400) 形状。

• 使用模型预测数字类别。

---

总结

我们用 KNN 成功实现了手写数字的分类识别，关键步骤包括：

1. 图像预处理和切分

2. 标签构造与数据 reshape

3. 使用 KNeighborsClassifier 建模

4. 预测未知图像的数字类别