如何加载训练好的数字分类器 digits_classifier = cv2.ml.KNearest_create() digits_classifier.train(trainData, cv2.ml.ROW_SAMPLE, trainLabels)

要加载训练好的数字分类器，你可以使用`cv2.ml.KNearest_create()`创建一个`digits_classifier`对象，然后使用`digits_classifier.load()`方法加载已经训练好的模型。

下面是一个简单的示例代码：

import cv2
import numpy as np

# 加载训练好的数据和标签
trainData = np.load('trainData.npy')
trainLabels = np.load('trainLabels.npy')

# 创建数字分类器并训练
digits_classifier = cv2.ml.KNearest_create()
digits_classifier.train(trainData, cv2.ml.ROW_SAMPLE, trainLabels)

# 保存模型
digits_classifier.save('digits_classifier.xml')

# 加载模型
digits_classifier_loaded = cv2.ml.KNearest_create()
digits_classifier_loaded.load('digits_classifier.xml')

在上面的代码中，我们首先使用`np.load()`函数加载已经训练好的数据和标签。然后，我们创建一个`digits_classifier`对象并使用`digits_classifier.train()`方法训练模型。接着，我们使用`digits_classifier.save()`方法将模型保存到磁盘上。最后，我们使用`digits_classifier_loaded.load()`方法加载已经保存的模型。

需要注意的是，如果你在训练模型时使用的是`cv2.ml.COL_SAMPLE`，那么在加载模型时也应该使用相同的参数。