我为 MNIST 数据集创建了一个 KNN 预测器。该数据集包含手写图像的图像。这些图像是灰度的，尺寸为 28 X 28 像素。这些图像的信息存储在 784 个特征中，每个特征对应于图像中单个像素的强度。我想将此模型应用于不在测试或训练集中的新图像。我想编写一段代码，可以将图像转换为 28 X 28 像素，然后将每个像素的强度存储为独特特征中的值。这将使我能够拍摄新图像并对其进行预测。我应该使用什么模块，我应该遵循什么程序？
【问题讨论】：
标签： python pandas image knn mnist
您可以使用 OpenCV 和 Numpy， 假设你拍了一张数字的照片并将其保存为 'pic.jpg'
import cv2
import numpy as np
img = cv2.imread('pic.jpg', 0) # 0 for greyscale
resized = cv2.resize(img, (28,28))
features = resized.reshape(-1) #converts into single dimension
特征数组将包含 784 个特征
【讨论】：
plt.imshow(resized, cmap='binary') #Plotting the image plt.axis("off") plt.show()。黑白颠倒。
cv2.imshow('image', resized)