opencv-python使用KNN算法实现图像识别的代码

以下是使用OpenCV-Python实现KNN算法进行图像识别的代码：

import cv2
import numpy as np

# 读取训练图像和标签
train_data = np.loadtxt("train_data.txt", dtype=np.float32)
train_labels = np.loadtxt("train_labels.txt", dtype=np.float32)

# 初始化KNN分类器
knn = cv2.ml.KNearest_create()
knn.train(train_data, cv2.ml.ROW_SAMPLE, train_labels)

# 读取测试图像
test_img = cv2.imread("test_img.jpg", 0)

# 对测试图像进行预处理
test_img = cv2.resize(test_img, (20, 20))
test_img = np.reshape(test_img, (1, 400)).astype(np.float32)

# 进行KNN分类
ret, results, neighbours, dist = knn.findNearest(test_img, k=5)

# 输出分类结果
print("预测结果：", results[0])

其中，训练数据和标签保存在`train_data.txt`和`train_labels.txt`文件中，每行数据以空格分隔，测试图像保存在`test_img.jpg`文件中。在预处理测试图像时，首先将图像缩放为20x20像素的大小，然后将其转换为1x400的向量。最后，使用KNN算法进行分类，将测试图像分类为训练数据中最接近它的五个样本之一。