MNIST手写数字预测：如何居中检测数字？求Python工具

你的CNN模型在MNIST任务中出现误判（比如6被识别为8），大概率是输入图像里的数字未居中导致的——MNIST原始样本的数字都是居中分布的，模型训练时适配了这种特征，输入偏移的数字就容易出错。下面推荐几个可以自动检测数字并实现居中的Python库，替代手动处理：

1. OpenCV（通用计算机视觉库） #

OpenCV是图像任务的首选工具，能快速定位数字轮廓并完成平移居中：

import cv2
import numpy as np

def center_digit(image):
    # 转换为OpenCV兼容的uint8格式（MNIST输入通常是0-1的归一化数组）
    img = (image * 255).astype(np.uint8)
    # 二值化并反转图像（让数字区域为前景，方便找轮廓）
    _, binary = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    # 提取数字轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if not contours:
        return image
    # 取面积最大的轮廓（即数字主体）
    cnt = max(contours, key=cv2.contourArea)
    # 获取数字的外接矩形
    x, y, w, h = cv2.boundingRect(cnt)
    # 计算中心偏移量
    target_center = 14  # 28x28图像的中心坐标
    dx = target_center - (x + w // 2)
    dy = target_center - (y + h // 2)
    # 创建平移变换矩阵并执行平移，背景填充黑色（和MNIST背景一致）
    M = np.float32([[1, 0, dx], [0, 1, dy]])
    centered_img = cv2.warpAffine(img, M, (28, 28), borderValue=0)
    # 转回归一化格式
    return centered_img / 255.0

2. scikit-image（机器学习友好的图像处理库） #

scikit-image的区域分析工具能精准定位数字区域，代码更简洁：

from skimage import measure, transform
import numpy as np

def center_digit_skimage(image):
    img = (image * 255).astype(np.uint8)
    # 标记数字区域
    labels = measure.label(img > 0)
    # 获取数字区域的边界框
    props = measure.regionprops(labels)
    if not props:
        return image
    prop = max(props, key=lambda x: x.area)
    min_row, min_col, max_row, max_col = prop.bbox
    # 计算中心偏移
    target_center = 14
    dr = target_center - (min_row + max_row) // 2
    dc = target_center - (min_col + max_col) // 2
    # 平移图像并保持尺寸
    centered_img = transform.warp(img, transform.AffineTransform(translation=(dc, dr)),
                                  output_shape=(28,28), cval=0)
    return centered_img / 255.0

3. Pillow（轻量级图像处理库） #

如果不需要复杂的视觉操作，Pillow配合numpy就能完成简单的居中处理：

from PIL import Image
import numpy as np

def center_digit_pillow(image):
    img = Image.fromarray((image * 255).astype(np.uint8))
    pixels = np.array(img)
    # 定位非零像素区域（数字所在位置）
    non_zero = np.where(pixels > 0)
    if len(non_zero[0]) == 0:
        return image
    min_y, max_y = non_zero[0].min(), non_zero[0].max()
    min_x, max_x = non_zero[1].min(), non_zero[1].max()
    # 计算偏移量
    target_center = 14
    dy = target_center - (min_y + max_y) // 2
    dx = target_center - (min_x + max_x) // 2
    # 创建新图像并粘贴平移后的数字
    new_img = Image.new('L', (28,28), 0)
    new_img.paste(img.crop((min_x, min_y, max_x+1, max_y+1)),
                  (min_x + dx, min_y + dy))
    return np.array(new_img) / 255.0

你可以把上述函数加入模型的预处理流程，在归一化之后、输入模型之前对每个样本做居中处理，让输入分布和MNIST训练集对齐，模型的识别准确率会有明显提升。

内容的提问来源于stack exchange，提问作者GS343597