Python 从图像中提取MNIST数据集预测器的属性

我已经为MNIST数据集创建了一个KNN预测器。数据集包含手写图像的图像。图像为灰度级，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。我想将此模型实现到不在测试或训练集中的新图像。我想写一段代码，可以把一幅图像转换成28 X 28像素，然后把每个像素的强度作为一个值存储在一个独特的特征中。这将使我能够拍摄新的图像并对其进行预测。我应该使用什么模块以及应该遵循什么程序？

您可以使用OpenCV和Numpy， 假设您拍摄一个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

---

功能阵列将具有784个功能

。谢谢，但由于某些原因，处理后的图像后面的白纸是黑色的，文本是白色的！因此，我的模型无法做出正确的预测。在哪一步之后，你指的是经过处理的图像？我像这样绘制了调整大小的变量：

plt.imshow（resized，cmap='binary'）#绘制图像plt.axis（“off”）plt.show（）

。黑白颠倒。这可能是因为您使用的是二进制，请尝试使用cv2打印，即

cv2.imshow（'image'，resized）

谢谢，它成功了！