linux手写数字识别,mnist手写数字识别与图片预处理

用户mnist训练了一个模型，想用自己的图片进行测试，需要将自己的图片进行预处理为mnist需要的1*784的二维张量。

因为MNIST数据是28*28的黑底白字图像，而且输入时要将其拉直，也就是可以看成1*784的二维张量(张量的值在0~1之间)，所以我们要对图片进行预处理操作，是图片能被网络识别。

引入的库import tensorflow as tf

import pylab

from PIL import Image

import numpy as np

以下为图片预处理过程img = Image.open('./mytestcode/666.jpg').convert('L') # 读取图片转成灰度格式

img = img.resize((28, 28)) # 更改图片大小  我的图片原始大小为：(366, 368)

npimg1 = np.array(img) # 转为numpy矩阵

flatten_img = npimg1.reshape(1, 784) # 转为mnist1*784二维张量

# 以下意思是把白色背景转为黑色背景，因为训练的都是黑色背景

new_flatten_img = (255-flatten_img)/255.0

new_flatten_img = new_flatten_img.reshape(1, 784) #      --------  该数据可直接被模型识别

print(new_flatten_img.shape)

以下为用训练好的模型识别过程tf.reset_default_graph()

# tf Graph Input

x = tf.placeholder(tf.fl