看起来你在处理MNIST手写数字图像时碰到了两个实际问题，我结合你提到的思路，给你梳理下具体的解决办法：

一、如何去除手写数字图像的空白边框 #

你想到的水平/垂直投影、轮廓检测都是非常靠谱的方向，具体落地可以这么做：

• 基于投影的裁剪法
  1. 先计算图像的水平投影与垂直投影：水平投影就是统计每一行里代表数字的像素（假设你的图像中数字是1，背景是0）的数量，垂直投影则统计每一列的有效像素数。
  2. 确定有效区域的边界：找到水平方向上第一个有有效像素的行、最后一个有有效像素的行；垂直方向同理找到左右的有效列边界。
  3. 按照这个边界裁剪图像，就能精准去掉周围的空白边框，之后你可以再把裁剪后的数字图像居中填充到目标尺寸（比如原MNIST的28x28大小）。
• 基于轮廓检测的裁剪法
  1. 用轮廓检测工具（比如OpenCV的findContours函数）定位图像中数字的轮廓，因为MNIST图像里只有一个数字，所以最大的那个轮廓就是目标。
  2. 提取该轮廓的外接矩形坐标，用这个矩形区域裁剪图像，同样能去掉空白边框，后续再做居中处理即可。

二、将仅含0和1的二值图像转换为0-255范围的灰度图像 #

这个操作非常直接，只需要做数值缩放就行：

• 如果你的图像是以NumPy数组形式存储的，直接执行gray_image = binary_image * 255即可。这样原来的0（背景）保持为0，原来的1（数字）会变成255，刚好对应8位灰度图像的黑、白极值，完美覆盖0-255的灰度范围。
• 要是后续需要更灵活的调整，也可以用归一化再缩放的方式，但对于0-1转0-255，直接乘255是最高效的方法。

你提到已经尝试把数字放在图像中心，这个步骤和去边框是相辅相成的，裁剪完边框后用空白填充的方式把数字居中，处理后的图像会更规整，很适合后续的模型训练或者图像分析。

备注：内容来源于stack exchange，提问作者kkwadk