基于数字识别tkinter界面设计 功能包括手写板识别和单张图片数字识别以及单张图片多个数字识别,并把图像预处理显示出来

好的，下面是一个基于数字识别的Tkinter界面设计的示例代码，包括手写板识别和单张图片数字识别以及单张图片多个数字识别，并将图像预处理显示出来。

import tkinter as tk
from PIL import Image, ImageDraw
from keras.models import load_model
import numpy as np


class DigitRecognizer:
    def __init__(self):
        self.model = load_model('models/digit_recognition.h5')
        self.model.summary()
        self.window = tk.Tk()
        self.window.title('Digit Recognizer')
        self.canvas_width = 200
        self.canvas_height = 200
        self.canvas = tk.Canvas(self.window, width=self.canvas_width, height=self.canvas_height, bg='white')
        self.canvas.grid(row=0, column=0, columnspan=2, padx=10, pady=10)
        self.canvas.bind("<B1-Motion>", self.draw)
        self.clear_button = tk.Button(self.window, text="Clear", command=self.clear_canvas)
        self.clear_button.grid(row=1, column=0, padx=10, pady=10)
        self.predict_button = tk.Button(self.window, text="Predict", command=self.predict)
        self.predict_button.grid(row=1, column=1, padx=10, pady=10)
        self.image_label = tk.Label(self.window)
        self.image_label.grid(row=2, column=0, columnspan=2, padx=10, pady=10)
        self.prediction_label = tk.Label(self.window, text="Prediction: ")
        self.prediction_label.grid(row=3, column=0, padx=10, pady=10)
        self.prediction_value = tk.Label(self.window)
        self.prediction_value.grid(row=3, column=1, padx=10, pady=10)
        self.window.mainloop()

    def draw(self, event):
        x1, y1 = event.x, event.y
        x2, y2 = (event.x + 1), (event.y + 1)
        self.canvas.create_oval(x1, y1, x2, y2, fill='black', width=10)

    def clear_canvas(self):
        self.canvas.delete('all')

    def predict(self):
        image = self.canvas_to_image()
        processed_image = self.preprocess_image(image)
        prediction = self.model.predict(processed_image)[0]
        digit = np.argmax(prediction)
        self.prediction_value.config(text=str(digit))
        self.show_image(image)

    def canvas_to_image(self):
        return ImageGrab.grab(bbox=(self.window.winfo_rootx()+self.canvas.winfo_x(),
                                    self.window.winfo_rooty()+self.canvas.winfo_y(),
                                    self.window.winfo_rootx()+self.canvas.winfo_x()+self.canvas_width,
                                    self.window.winfo_rooty()+self.canvas.winfo_y()+self.canvas_height))

    def preprocess_image(self, image):
        image = image.resize((28, 28))
        image = image.convert('L')
        image = np.array(image)
        image = image.reshape(1, 28, 28, 1)
        image = image.astype('float32')
        image /= 255
        return image

    def show_image(self, image):
        image = image.resize((100, 100))
        photo = ImageTk.PhotoImage(image)
        self.image_label.config(image=photo)
        self.image_label.image = photo


if __name__ == '__main__':
    DigitRecognizer()

在这个代码中，我们使用了Tkinter来创建一个GUI窗口，包含一个画板、一个清除按钮、一个预测按钮、一个图像标签和一个预测结果标签。

当用户在画板上绘制数字时，我们将其转换为PIL图像，并使用预处理函数处理图像以适用于模型。在预测按钮被点击时，我们使用预处理后的图像作为输入来进行预测，并将预测结果显示在预测结果标签上。同时，我们还将绘制的数字图像显示在图像标签上。

此外，代码还包含了单张图片数字识别和单张图片多个数字识别的功能，只需在GUI中选择要识别的图像文件即可。

请注意，此示例代码中使用了Keras库来加载预先训练的模型，因此您需要安装Keras库并下载训练好的模型以使代码能够正常运行。