使用caffemodel模型（由mnist训练）测试单张手写数字样本

caffe中训练和测试mnist数据集都是批处理，可以反馈识别率，但是看不到单张样本的识别效果，这里使用windows自带的画图工具手写制作0~9的测试数字，然后使用caffemodel模型识别。

1. 打开画图工具，设置画板宽高为28*28，然后分别画出0~9的数字，分别保存为0~9.bmp文件。

   宽高属性修改：

手写的10个数字：

画图工具保存的这10张手写数字图像是彩色三通道的，需要转换成单通道灰度图像，这个转换可以通过OpenCV完成。

2. 使用OpenCV转换灰度图像

OpenCV的imread函数的第二个参数设置为0，会把读入的图像自动转换成灰度图像。

强调一点是，mnist的训练和测试数据集都是黑底白字的，而用画图制作的图像是白底黑字的，所以要做一个底色的变换，要不然识别率很低。以下是处理程序：

#include <iostream>
#include <highgui/highgui.hpp>
#include <imgproc/imgproc.hpp>

using namespace std;
using namespace cv;

void main()
{
	Mat image;
	stringstream str;
	//0~9.bmp图像保存路径
	string pathFile = "D:\Software\Caffe\caffe-master\examples\mnist\data\";
	string s;
	for (int i = 0; i < 10; i++)
	{
		str.clear();
		str << i;
		string str1;
		str >> str1;
		s = pathFile + str1;
		s += ".bmp";
		image = imread(s, 0);
		threshold(image, image, 0, 255, CV_THRESH_OTSU);
		//图像做底色反转变换
		image = ~image;
		//转换的二值图像保存在同一个文件夹下，在名称前加0区分
		s = "";
		s = pathFile + "0" + str1+".bmp";
		imwrite(s, image);
	}
}

完成之后在data目录下新生成00~09.bmp（黑底白字）共10个二值图像。

3.  单张手写样本测试

在.examplesmnist目录下新建一个标签文件synset_words.txt，输入以下内容：

在caffe-master目录下新建一个mnist-class.bat脚本文件，输入以下内容：

for /l %%i in (0,1,9) do (.Buildx64Debugclassification.exe .examplesmnistlenet.prototxt .examplesmnistCaffeModellenet_iter_10000.caffemodel .examplesmnistmean.binaryproto .examplesmnistsynset_words.txt .examplesmnistdata%%i.bmp
)
pause

双击运行，得到识别结果，0~9都可以正确识别：