手写数字识别应用

• 1 用Keras编写及导出预测手写数字的模型
• 2 手写字符的分割（提供两个解决思路）
• 3 特征工程（将自己的手写数字转换为MNIST数字集的模式）
• 4 用我们编写的模型预测出结果并输出（如下所示的效果）

代码中主要实现了以下几个功能，输入一张照片可以分辨出数字，并识别输出到图示中，以下是效果

================================== 我是分割线 =================================

model.py

基于keras编写了预测模型并训练，保存成my_mnist_model.h5模型

main.py

分别有以下几个模块

• 1 findBorderHistogram ---- 寻找边框，返回边框的左上角和右下角（利用直方图寻找边缘算法（需行对齐））
• 2 findBorderContours ---- 寻找边框，返回边框的左上角和右下角（利用cv2.findContours）
• 3 transMNIST ---- 根据边框转换为MNIST格式
• 4 predict ---- 导入模型输出预测结果
• 5 showResults ---- 显示结果及边框

更加详细的介绍可以参考我的博客 https://blog.csdn.net/qq8993174/article/details/89081859

ps. 以下是my_mnist_model.h5生成所用的模块版本号，低于此版本的可能代码加载不起来

Tensorflow -- 1.12.0

Keras -- 2.2.4

opencv2 -- 3.4.4