完整代码：import cv2import matplotlib．pyplot as pltcap ＝ cv2．VideoCapture（10）if not （cap．isOpened（））： print（＂Video device unconnected．＂）arb ＝ input（＇Press enter to take picture．＇）ret， frame ＝ cap．read（）cap．release（）cv2．destroyAllWindows（）cv2＿im ＝ cv2．cvtColor（frame，cv2．COLOR＿BGR2RGB）plt．imshow（cv2＿im）plt．show（）格式化为模型标准格式卷积神经网络只接受固定大小的图像，例如（100，100，3）。有几种方法可以做到这一点。为了保持图像的比例长度，可以尝试裁剪图像。一般语法是：plt．imshow（cv2＿im［y＿upper＿bound：y＿lower＿bound，x＿lower＿bound：x＿higher＿bound］）其中“upper”和“lower”由图像上的位置确定（y的“upper”表示图像的上方，x的“upper”表示图像的右侧）。例如，plt．imshow（cv2＿im［100：400，100：400］）
这里把照片裁剪成正方形。但是，尺寸仍然是300×300。为了解决这个问题，我们将再次使用Pillow：pil＿image ＝ Image．fromarray（cv2＿im［100：400，100：400］）width ＝ 100height ＝ 100pil＿image ＝ pil＿image．resize（（width，height）， Image．ANTIALIAS）NumPy自动将Pillow图像转换为数组。import numpy as npcv2＿im＿new ＝ np．array（pil＿image）查看新图像：plt．imshow（cv2＿im＿new）
好多了！图像的新形状是（100，100，3）， 非常适合我们的模型。在模型中运行现在我们有了NumPy数组，只需将其传递到模型中即可。model．predict（cv2＿im＿new）基于此，通过一些手动编码来标记图像的真实标签，可以在title中标记它们：plt．imshow（cv2＿im＿new）plt．title（＇Hand Gesture： ＇＋classification）
在本教程中，你将学习如何实现一个简单的拍照界面，以查看你的机器学习模型的实际应用性能。
