CNN_MNIST.zip

简介：
深入掌握基本的手写数字识别技能，并将其应用于个人图像的处理。首先，我们需要将个人图像转化为数据集的标准化格式，即每个数字图像被分解为28x28像素的矩阵，并进行灰度化处理。这一过程可以通过使用 OpenCV 库或其他工具来实现，但关键在于确保处理后的图像与数据集中的标准图像完全一致。在此之前，需要理解一个重要的概念：在灰度图像中，黑色背景对应的像素值为0，而白色（或者说在灰度图上，像素值范围是1-255）则对应非零值。因此，从每一行开始计算，我们将该行的所有像素值加起来。如果所有像素都为黑色（当然可能存在噪声），则总和为0（可以设置阈值来过滤掉噪声）。如果存在非黑色的行，则总和将不为零。我们以此图的信息来筛选出字符的边界线，从而获得出行边界值。凭借以上对相关概念的理解，我们可以通过对行和列进行扫描来确定每个点所处的行列位置，进而定位出数字的边缘线。最后, 通过长向量分析, 能够准确地识别出数字的顶点。