【入門】手書き文字をOpenCVで画像処理＆認識！

# 仮想環境を作成
python -m venv kmnist-env

# 仮想環境を有効化（Windows）
.\kmnist-env\Scripts\activate

# 必要なライブラリをインストール
pip install tensorflow opencv-python matplotlib numpy

import tensorflow as tf
from tensorflow.keras import layers, models

# MNISTデータセットの読み込み
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# データを正規化（0〜1の範囲に）し、形を変える（28x28x1）
x_train = x_train.reshape(-1, 28, 28, 1).astype("float32") / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype("float32") / 255.0

# モデルの定義（シンプルなCNN）
model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation="relu", input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(64, activation="relu"),
    layers.Dense(10, activation="softmax")
])

# モデルのコンパイル（最適化方法と損失関数などを設定）
model.compile(optimizer="adam",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])

# 学習（訓練データで5エポック学習）
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# テストデータでの精度を評価
test_loss, test_acc = model.evaluate(x_test, y_test)
print("Test accuracy:", test_acc)

#モデルの保存
model.save("your_model.h5")

import cv2
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.models import load_model

# 学習済みモデルの読み込み
model = load_model("your_model.h5")

# 画像の読み込み（グレースケール）
img = cv2.imread("test.png", cv2.IMREAD_GRAYSCALE)

# 画像を28x28にリサイズ（元画像が28x28ならそのままOK）
img_resized = cv2.resize(img, (28, 28))

# 画像を反転（背景白・文字黒 → 背景黒・文字白）
img_inverted = cv2.bitwise_not(img_resized)

# 画像を正規化（0〜1の範囲に）
img_normalized = img_inverted / 255.0

# 形を (1, 28, 28, 1) に変換（モデル入力形式に合わせる）
img_input = img_normalized.reshape(1, 28, 28, 1)

# モデルで予測
prediction = model.predict(img_input)
predicted_label = np.argmax(prediction)

# 結果表示
plt.imshow(img_resized, cmap="gray")
plt.title(f"Predicted Label: {predicted_label}")
plt.show()
print("予測された数字:", predicted_label)

python process.py

予測された数字: 2