AI开发：用模型来识别手写数字的完整教程含源码 - Python 机器学习

今天一起来学习scikit-learn 。

scikit-learn 是一个强大的 Python 机器学习库，提供多种分类、回归、聚类算法，适用于从数据预处理到模型评估的全流程。它支持简单一致的 API，适合快速构建和测试模型。

官方地址在这里，记得Mark 很有用： https://scikit-learn.org/dev/index.html

scikit-learn 在手写数字识别方面具有以下特点：

提供内置的手写数字数据集（digits），包含 1797 个 8×8 像素的灰度数字图像。
支持多种分类算法（如 SVM、决策树、kNN 等），便于快速模型选择和评估。
内置工具可进行特征提取、数据预处理和模型训练，简化流程。
提供易用接口，适合初学者学习和研究机器学习算法在数字识别中的应用。

几天我们要使用这个库来识别一张图片中的手写数字，基本的业务逻辑如下图：

这里要讲一下，AI开发应用，不需要熟知底层的模型基础技术和知识，只需要掌握库和模型的应用。我们先来看一下第一步数据加载

No. 1 加载数据：

这里定义了一个函数 load_dataset ，作用是加载和返回一个内置的手写数字数据集，供后续的机器学习模型训练和测试使用。

# 模块1: 数据加载和预处理
def load_dataset():"""加载数字数据集"""digits = datasets.load_digits()return digits.data, digits.target

详细解释

数据集来源：
- 使用的是 scikit-learn 的内置数据集 datasets.load_digits()。
- 这是一个用于手写数字识别的经典数据集，包含 0 到 9 的手写数字样本。
数据集内容：
- 数据集包含 64维特征（每个数字图像为 8×8 像素，像素值被展平为一维数组）。
- 标签是对应数字的值（例如，0, 1, 2...9）。
返回值：
- digits.data: 2D 数组，表示数据集中的所有特征（每行是一个样本，每列是一个特征）。
- digits.target: 一维数组，表示每个样本对应的真实标签。
函数的作用：
- 加载数据集，直接返回特征数据和目标标签，便于分割数据集或传递给模型训练函数。

举例输出

调用 load_dataset 的代码：

X, y = load_dataset()print("特征数据 X 的形状:", X.shape)
print("标签数据 y 的形状:", y.shape)
print("第一个样本的特征:\n", X[0])
print("第一个样本的标签:", y[0])

输出示例：

特征数据 X 的形状: (1797, 64)
标签数据 y 的形状: (1797,)
第一个样本的特征:[ 0.  0.  5. 13.  9.  1.  0.  0.  0.  0. 13. 15. 10. 15. 5.  0....
第一个样本的标签: 0

函数小结

该函数的作用是简化数据加载过程，使主程序能够直接获得数字数据的特征和标签，而无需每次重新处理数据集。

No. 2 模型训练：


# 模块3: 模型训练与保存
def train_model(model_path, x_train, y_train):"""训练支持向量机分类器并保存"""classifier = svm.SVC(gamma=0.001)start = time.perf_counter()classifier.fit(x_train, y_train)print(f"训练完成, 耗时: {time.perf_counter() - start:.4f} 秒")with open(model_path, 'wb') as f:pickle.dump(classifier, f)print(f"模型已保存到 {model_path}")

函数模块作用：模型训练与保存

该函数 train_model 的主要作用是训练一个支持向量机（SVM）分类器，并将训练好的模型保存到指定路径，以便后续直接加载使用，而无需重复训练。

分类器指的是一个用来做“分类”任务的数学模型。通俗来说，它就像一个“判断器”或者“识别器”，它根据输入的数据，给出一个分类结果。

假设你有一堆手写数字的图片，每张图片上的数字可能是 0 到 9 之间的任何一个。分类器就是通过学习这些数字的特征（比如笔画的粗细、弯曲程度等），来判断每张图片上是什么数字。它的工作流程就像是：

学习：给分类器一些带标签的数字图片（比如手写的“3”标记为数字3，“7”标记为数字7）。
识别：在训练完之后，给分类器一个新的数字图片，分类器会根据它之前学到的知识，判断这张图片上的数字是几。

在代码中，这个分类器是通过 svm.SVC 创建的，这个算法使用“支持向量机”（SVM）来分类数据。它会根据训练数据中的数字图片特征，训练出一个模型，然后用这个模型来对新的、未见过的图片进行分类预测。

详细功能分解

训练分类器：
- 使用 sklearn.svm.SVC 创建支持向量机分类器，并设置 gamma=0.001。
  在支持向量机（SVM）中，gamma 是一个超参数，用于控制高斯径向基函数（RBF）核函数的影响范围。它的值决定了模型在决策边界上的灵活性和复杂度。
  - 较小的 gamma 值（例如 gamma=0.001）：
    使得每个数据点对决策边界的影响范围更广，意味着模型的决策边界更加平滑和简单，可能导致欠拟合（underfitting）。
  - 较大的 gamma 值：
    会使每个数据点的影响范围变小，决策边界更加复杂，容易过拟合（overfitting）训练数据。
    
    gamma=0.001 的作用：
    
    当 gamma=0.001 时，模型倾向于生成较为平滑的决策边界，对数据点的变化不那么敏感。这可能有助于避免过拟合，但如果数据中存在复杂的决策边界，可能导致模型无法很好地拟合数据（欠拟合）。因此，gamma 的选择需要通过交叉验证等方法来调优，以获得最佳的模型性能。
- 调用 fit(x_train, y_train) 方法，用训练数据 x_train 和标签 y_train 对分类器进行训练。
计算训练时间：
- 通过 time.perf_counter() 记录训练开始和结束时间，计算并输出训练耗时，方便了解模型训练效率。
保存模型：
- 使用 pickle.dump 将训练好的分类器对象序列化，保存到文件中（路径由 model_path 指定）。
- 保存后的模型文件可直接加载进行预测，无需每次运行程序时重新训练。
输出训练与保存状态：
- 打印训练完成的耗时和模型保存路径，便于用户确认训练和保存是否成功。

模块作用小结

主要目标： 完成模型的训练与保存工作。
适用场景： 在数字识别等任务中，训练模型通常是一次性操作，通过保存模型文件，可以将训练阶段与预测阶段分离，提高系统运行效率。
模块化好处： 提高代码复用性和可读性，用户可以更方便地替换训练数据或模型参数。

No.3 加载模型：

def load_model(model_path):"""加载保存的模型"""if not os.path.exists(model_path):raise FileNotFoundError(f"模型文件 {model_path} 不存在！请先训练模型。")with open(model_path, 'rb') as f:classifier = pickle.load(f)print(f"模型已从 {model_path} 加载")return classifier

上面这个模块就不多解释了，就是看模型（分类器）是否存在，不存在就训练一个保存。

No.4 加载图像并预处理：

好，现在开始加载我们的图像了，这里我准备的是一张100*100 的png图像，里面手写了一个2，需要注意的是 scikit-learn 自带共 1797条数据（图片），每条数据由64个特征点组成（8*8像素）

def preprocess_image(image_path):"""读取并预处理图像"""source = cv2.imread(image_path)if source is None:raise FileNotFoundError(f"文件 {image_path} 未找到或无法读取！")gray = cv2.cvtColor(source, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray, (5, 5), 0)_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)feature = cv2.resize(binary, (8, 8)).astype(float) / 16plt.imshow(feature, cmap='gray')plt.title("预处理后的图像")plt.show()return feature.flatten()

函数作用：图像预处理

该函数 preprocess_image 的作用是从指定路径读取一张图像并进行一系列预处理操作，最终输出处理后的图像特征（以便用于机器学习模型的输入）。

这个函数会停在显示一张图片，就是把我们前面的原始图进行了一些灰度处理，并描绘了一个轮廓，模型将参照这张处理后的图片标识去比对确认最终的数字

详细步骤：

读取图像：
使用 cv2.imread(image_path) 从指定路径 image_path 读取图像文件。如果文件不存在或无法读取，会抛出 FileNotFoundError 异常。
转换为灰度图：
cv2.cvtColor(source, cv2.COLOR_BGR2GRAY) 将读取的彩色图像转换为灰度图。这样可以简化图像处理，因为灰度图只有亮度信息，没有颜色信息。
高斯模糊：
cv2.GaussianBlur(gray, (5, 5), 0) 对灰度图像应用高斯模糊。模糊操作有助于去除图像中的噪声，使后续的二值化更加平滑和稳定。
二值化：
cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV) 将灰度图像进行二值化操作。具体来说，图像中像素值大于 127 的部分变为 0（黑色），小于或等于 127 的部分变为 255（白色）。使用 THRESH_BINARY_INV 使得背景为白色，前景为黑色。
调整图像大小：
cv2.resize(binary, (8, 8)) 将二值化后的图像调整为 8x8 的大小。这一步是为了将图像转换为固定大小的特征，使得每个图像都能统一输入到机器学习模型中。
缩放特征值：
.astype(float) / 16 将图像数据类型转换为 float 类型，并将其值缩放到一个较小的范围（0 到 15），以便适应模型的输入需求。
显示预处理结果：
plt.imshow(feature, cmap='gray') 显示预处理后的图像，并使用 plt.title("预处理后的图像") 给图像加上标题。
返回特征：
feature.flatten() 将 8x8 的图像矩阵展平为一维数组（64个元素），作为模型的输入特征返回。

函数小结：

preprocess_image 函数的作用是读取图像并通过灰度转换、模糊处理、二值化和尺寸调整等一系列步骤，将图像转化为适合机器学习模型处理的特征向量。最终，输出一个展平的图像特征向量，以便进一步的分类或其他处理。

需要注意的是，这里面的参数是可调节的，有时候需要根据实际情况多次调试参数，以使得模型的识别更加准确。

No.5 图像预测：

def predict(classifier, x_test):"""使用分类器预测测试样本"""start = time.perf_counter()predictions = classifier.predict(x_test)print(f"预测完成, 耗时: {time.perf_counter() - start:.4f} 秒")return predictions

函数作用：使用分类器进行预测

该函数 predict 的作用是使用已经训练好的分类器对测试数据 x_test 进行预测，并返回预测结果。

详细步骤：

记录开始时间：
start = time.perf_counter() 记录开始预测的时间。time.perf_counter() 返回一个高精度的时间戳，用于计算函数执行的时间。
进行预测：
predictions = classifier.predict(x_test) 使用输入的 classifier（即训练好的分类器）对 x_test 进行预测。x_test 是待分类的测试样本，classifier.predict() 方法会返回对每个测试样本的预测结果（例如，分类标签或类别）。
计算并打印耗时：
print(f"预测完成, 耗时: {time.perf_counter() - start:.4f} 秒") 计算从开始到完成预测的时间差，并以秒为单位打印出来。time.perf_counter() - start 得到的时间差值就是执行预测操作所花费的时间。
返回预测结果：
return predictions 返回预测的结果。预测结果通常是一个数组或列表，其中包含对每个测试样本的预测分类标签。

函数小结：

predict 函数的作用是：给定一个训练好的分类器和一组待分类的测试数据，利用分类器对数据进行预测，并返回预测结果。同时，它会打印预测操作所花费的时间。

No.5 结果显示：

完整的代码如下：

import os
import time
import pickle
import cv2
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn import svm# 模块1: 数据加载和预处理
def load_dataset():"""加载数字数据集"""digits = datasets.load_digits()return digits.data, digits.target# 模块2: 图像处理
def preprocess_image(image_path):"""读取并预处理图像"""source = cv2.imread(image_path)if source is None:raise FileNotFoundError(f"文件 {image_path} 未找到或无法读取！")gray = cv2.cvtColor(source, cv2.COLOR_BGR2GRAY)gray = cv2.GaussianBlur(gray, (5, 5), 0)_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)feature = cv2.resize(binary, (8, 8)).astype(float) / 16plt.imshow(feature, cmap='gray')plt.title("预处理后的图像")plt.show()return feature.flatten()# 模块3: 模型训练与保存
def train_model(model_path, x_train, y_train):"""训练支持向量机分类器并保存"""classifier = svm.SVC(gamma=0.001)start = time.perf_counter()classifier.fit(x_train, y_train)print(f"训练完成, 耗时: {time.perf_counter() - start:.4f} 秒")with open(model_path, 'wb') as f:pickle.dump(classifier, f)print(f"模型已保存到 {model_path}")# 模块4: 加载模型并预测
def load_model(model_path):"""加载保存的模型"""if not os.path.exists(model_path):raise FileNotFoundError(f"模型文件 {model_path} 不存在！请先训练模型。")with open(model_path, 'rb') as f:classifier = pickle.load(f)print(f"模型已从 {model_path} 加载")return classifierdef predict(classifier, x_test):"""使用分类器预测测试样本"""start = time.perf_counter()predictions = classifier.predict(x_test)print(f"预测完成, 耗时: {time.perf_counter() - start:.4f} 秒")return predictions# 主函数: 流程控制
def main():# 数据加载与分割X, y = load_dataset()X_train, X_test, Y_train, Y_test = train_test_split(X, y, test_size=0.1, random_state=42)model_path = "hand_write_classer.cfr"# 检查模型是否已存在if os.path.exists(model_path):classifier = load_model(model_path)else:print("未找到模型文件，开始训练新模型...")train_model(model_path, X_train, Y_train)classifier = load_model(model_path)# 图像处理与预测test_image_path = "num.png"feature_vector = preprocess_image(test_image_path)prediction = predict(classifier, [feature_vector])print(f"识别结果: {prediction}")if __name__ == "__main__":main()

这里的图像自己准备吧，用画图工具，画布尺寸100*100 ，再手写数字。

好了，今天的学习就到此结束啦！