基于KNN通过摄像头实现0-9的识别python代码

基于KNN（K-Nearest Neighbors，最近邻算法）实现摄像头实时抓取图像并识别0-9数字的Python代码需要几个步骤，包括数据预处理、训练模型和实际应用。这里是一个简化版本的示例：

# 导入必要的库
import cv2
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 数据预处理：假设你已经有一个包含手写数字的训练集
# 这里只是一个简化的例子，实际情况下你需要一个完整的图像数据集
# X_train (特征矩阵) 和 y_train (标签)
X_train, y_train = load_handwritten_digits_data()  # 从如MNIST等地方加载

# 训练KNN模型
knn = KNeighborsClassifier(n_neighbors=5)  # 假设邻居数为5
knn.fit(X_train, y_train)

def camera_knn_recognition():
    cap = cv2.VideoCapture(0)  # 打开默认摄像头
    while True:
        ret, frame = cap.read()
        if not ret:
            break
        
        # 对每一帧进行灰度化和缩放（这一步可以根据实际情况调整）
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        resized_frame = cv2.resize(gray_frame, (64, 64))  

        # 将图像转换成一维数组作为输入
        image_array = resized_frame.reshape(-1, 64*64)

        # 预测
        prediction = knn.predict(image_array)[0]

        # 在图像上显示预测结果
        cv2.putText(frame, str(prediction), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

        cv2.imshow('KNN Recognition', frame)
        key = cv2.waitKey(1)
        if key == ord('q'):
            break

cap.release()
cv2.destroyAllWindows()