使用OpenCV和Python实现的k近邻算法用于手写数字识别。

简介：
机器学习入门中，使用KNN算法进行手写数字识别，其代码基础来源于http://lib..net/article/opencv/30167。虽然进行了小幅度的错误修正和功能上的细微改进，例如直接在512×512像素的白色画布上绘制黑线并将其转化为01矩阵，随后利用KNN算法寻找最相似的k个训练数据点，但其核心功能仍旧存在局限性。目前系统能够对所有字符进行训练和识别，然而现有的训练数据仅限于数字。若期望实现更广泛、更精确的识别能力，则需要自行编写代码并进行多次迭代优化，通常需要运行数百次以获得较为理想的结果。当前而言，单个数字的识别准确率大约在写10次左右时达到较高水平。此外，每次识别过程会将识别结果以及对应的01矩阵存储至训练数据文件夹中，从而不断地扩充和提升后续识别的准确度。若识别结果出现错误，则需要手动输入正确的答案以进一步丰富训练数据集。