本项目为江苏大学数字图像处理课程（24Spring，教师：陈军、刘哲）的大作业。项目目标是实现一个手写数字识别系统，采用了五种机器学习算法，包括逻辑回归、支持向量机、随机森林、k最近邻以及朴素贝叶斯模型。

• 逻辑回归: 1.5
• 支持向量机: 1.2
• 随机森林: 1.5
• K最近邻: 1.0
• 朴素贝叶斯: 1.0

请确保您的环境中安装了以下Python包：

• numpy
• pandas
• scikit-learn
• matplotlib

• Board_0.py: 本地UI部署。
• ensemble.py: 各模型集成。
• pic2array.py: 图像处理脚本，实现图像到数组的转换、分割和归一化。该脚本现在支持命令行交互，可以接收图像文件路径作为输入，并根据命令行参数将图片分割成多个 (28, 28) 形状的二进制文件或进行图像识别。
  • 使用 --recognize 参数时，识别图片中的手写数字并返回结果。
  • 使用 --segment 参数时，将图片分割成指定格式的二进制文件，并返回生成文件的数量。
• *.ipynb: 各模型的训练笔记本。
• README.md: 项目说明文档。

请参阅项目中的 .ipynb 笔记本文件，其中包含了各模型的训练过程和详细的代码说明。每个笔记本都详细描述了数据处理、模型建立、训练及验证步骤。

python pic2array.py /path/to/image --recognize

输出识别的数字，如12345。

python pic2array.py /path/to/image --segment

输出将显示生成的二进制文件数量。例如，如果输出为 5，则表示已成功创建 5 个二进制文件。

在安装完必要的包后，直接运行Board_0.py