基于MNIST训练的手写数字神经网络无法识别自定义手写数字排查

你的代码核心问题是自定义图像的预处理流程和MNIST训练数据的预处理不匹配，导致模型无法识别。以下是具体问题和修复步骤：

1. 图像颜色反转问题 #

MNIST数据集的图像是黑字白底（像素值0=黑色数字，255=白色背景），但用画图工具绘制的图像通常是白字黑底，两者像素分布完全相反，模型无法匹配特征。

2. 缺少像素归一化 #

训练MNIST时通常会将像素值缩放到0-1区间（除以255），但你的代码直接使用了0-255的原始像素值，和训练数据的分布不一致。

3. 未做二值化处理 #

MNIST图像是高对比度的纯黑白，而画图工具绘制的图像可能存在灰色过渡像素，这些噪声会干扰模型识别。

修复后的代码 #

import cv2
import numpy as np
import tensorflow as tf

model = tf.keras.models.load_model("handwritten.model")

# 自定义图像预处理流程
img = cv2.imread("Digits/digit11.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 1. 反转图像：把白字黑底转成黑字白底
gray = cv2.bitwise_not(gray)

# 2. 二值化：消除灰色过渡，生成纯黑白图像
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 3. 归一化：和训练数据一致缩放到0-1区间
img_normalized = thresh / 255.0

# 4. 扩展维度匹配模型输入要求
prediction = model.predict(np.expand_dims(img_normalized, axis=0))
print(f"This digit is probably a {np.argmax(prediction)}")

# MNIST Data
prediction = model.predict(np.expand_dims(x_train[27]/255.0, axis=0))  # 确保x_train和训练时做了相同归一化
print(f"This digit is probably a {np.argmax(prediction)}")

额外检查点 #

• 确认自定义图像确实是28x28像素，可以用print(gray.shape)验证。
• 确保图像没有多余的边框，数字尽量居中（和MNIST样本的数字位置一致）。

内容的提问来源于stack exchange，提问作者NonoTheGrappler