一、准备

• 测试准备：pycharm，windows自带画图功能，python3.5

• 安装python3.5

• 将解压的文件夹拖入pycharm中，设置解释器路径为：文件解压路径\ML_num\venv\Scripts\python.exe

• 若要调用文件，只要点入文件并点击右上角绿色三角或鼠标右键点 run 相应文件

二、手写数字识别

调用UI.py 得如图界面：

测试可用windows自带画图功能，刷子选用喷枪，粗细第3个，尽量喷清楚，图片后缀为.png图片大小为400*400像素(其他大小也行只要不小于32*32)如下：

点击选择文件找到测试文件，选择是否使用备份(默认使用)再点击开始识别， 可选择自动识别或手动识别，手动识别截图时鼠标左键按住拖动即可(数字周围尽量有些许空，若识别错误，很大原因是由于截的图左右空格太小、太大)，再输入真实值，结果为：文件名为输入的真实值_最大数字.txt。以下结果为文件名为：6_3.txt 如图：

三、摄像头

务必使用笔记本电脑，数字尽量写得大一些，尽量在光线明亮处拍摄，点击摄像头，如图：

按q键退出，其他键拍摄，之后点击开始识别与第二部分相同。

四、介绍

• 使用的非标准库：opencv，numpy，pillow

• 机器学习技术：KNN邻近

• 引用：《机器学习实战》源码并对其中部分内容修改，增加部分操作；部分代码参考cnblog与CSDN

文件介绍

• data_set：备份文件夹

• images：图片文件

• testDigits：测试数据

• testDigits(测试)：正确率测试数据

• trainingDigits：训练数据

• vedio_cut.py：摄像头拍摄

• hand_number.py：截取图片并修改大小为32*32, 转为灰度图

• zero_one.py：将灰度图转为01矩阵并存入testDigits文件夹内

• kNN.py：k值邻近算法识别数字并统计结果, 可以选择使用备份数据训练识别或重新开始

• get_next_num.py：得到指定数据文件数量

• check：测试正确率

• UI.py：使用tkinter库构造界面

• 新增im：样例图片