手写数字识别python_Python手写数字识别（KNN算法）

前言

手写数字识别作为机器学习中一个比较有趣的内容，结合 K210 芯片强大的 KPU 算力，可以蹦出很多好玩的点子。本次以通俗易懂的方式记录一波玩耍手写数字识别的案例。

目录

1. 相关理论
2. 基于 KNN 分类算法的模型搭建（代码展示）
3. 图片导入与分类预测（代码展示）

1、相关理论

1.1 图像二值化

如上图：是一个红色的数字4，像素尺寸为 32*32，即一共有1024个像素点，每个像素点的色彩值范围是0-255，其中0代表黑色，255代表白色，故本文以128为阈值进行划分。

令单个像素点的色彩值为 x ，则：x<=128 时，取 x = 1，反之 x = 0

经过上述变换，整张图片的色彩值就只有 0,1 两种了，此过程就是图片的二值化过程。

1.2 二值化数据的存储

经过二值化的图片，仍然有1024个像素点，只是其值仅有0,1两种，那么，怎样将图片的信息和模型之间建立联系呢？

下图是一份包含多张手写图像信息的 EXCEL 表格。从第一行来看，其第一列代表图片中的数字，其它列为分别为10