简介：面向计算机相关专业的课程设计与毕业设计场景，这套基于MATLAB的手写数字识别系统依托卷积神经网络在手写数字数据集上完成数字分类，源码均测试运行成功，答辩评审平均分达94.5分。压缩包共23个文件，以8个m脚本、10张实验图和手写数字数据集的图像/标签文件为主，另含说明文档、许可信息及CNN_SGD打包附件，整体大小约13.05MB。目前已有178人学习/下载。代码中覆盖卷积、池化以及SGD、动量SGD、最优算法等多组优化器训练模块，可清晰理解CNN从输入到分类的完整流程与参数更新细节；实验图直观展示了不同迭代轮次下的识别效果。配合内含的手写数字数据文件，可解压后直接运行复现训练和测试，适合人工智能、自动化、通信工程等专业学生作为课程作业或项目初期演示，也能在此基础上继续拓展。
1. 手写数字识别系统不是MNIST刷分：先想清楚要解决什么问题
很多人把MNIST测试集刷到99%以上，转头拿一张自己手写的数字照片喂给模型，识别结果直接翻车。原因很简单：MNIST那一套数据已经做过居中、归一化、尺寸统一，而真实场景里的手写数字存在背景噪声、光照不均、笔画断裂、旋转偏移。所谓“基于MATLAB手写数字识别系统”，本质上是把算法从数据集搬到实际图像上的完整链路——图像预处理、特征提取、模型训练、结果评估、实验图沉淀。这套东西正好适合用MATLAB来做，因为图像处理工具箱和统计机器学习工具箱配合得很顺，调试时能随时把中间结果以图的形式打出来看。本文适合正在做课程设计、毕业设计或者准备图像识别方向入门实验的读者，目标不是刷一个漂亮分数，而是拿到一套能跑通、能出图、能解释、能改参数的系统。
2. 数据读取与模型选型：为什么从KNN起步、什么时候换CNN
2.1 先把MNIST数据接进MATLAB：两个读取函数
MNIST原始数据是四个二进制文件，不是图片文件，MATLAB没有内置加载函数。你需要先从MNIST官网或镜像站把四个.gz压缩包下载下来解压，得到train-images-idx3-ubyte、train-labels-idx1-ubyte、t10k-images-idx3-ubyte、t10k-labels-idx1-ubyte。常见做法是写两个本地函数负责读取图像和标签。
function images = loadMNISTImages(filename) % 读取MNIST图像文件，返回 uint8 类型的 28x28xN 数组 fid = fopen(filename, 'rb'); % magic number 校验：图像文件固定为 2051 magic = fread(fid, 1, 'uint32', 0, 'ieee-be'); assert(magic == 2051, '文件格式不对，请确认是MNIST图像文件'); numImages = fread(fid, 1, 'uint32', 0, 'ieee-be'); rows = fread(fid, 1, 'uint32', 0, 'ieee-be'); cols = fread(fid, 1, 'uint32', 0, 'ieee-be'); images = fread(fid, numImages * rows * cols, 'uint8'); images = reshape(images, rows, cols, numImages); % 转置让图像方向恢复正常显示 images = permute(images, [2 1 3]); fclose(fid); endfunction labels = loadMNISTLabels(filename) % 读取MNIST标签文件，返回 uint8 类型的 Nx1 数组 fid = fopen(filename, 'rb'); % magic number 校验：标签文件固定为 2049 magic = fread(fid, 1, 'uint32', 0, 'ieee-be'); assert(magic == 2049, '文件格式不对，请确认是MNIST标签文件'); numLabels = fread(fid, 1, 'uint32', 0, 'ieee-be'); labels = fread(fid, numLabels, 'uint8'); fclose(fid); end这两个函数的核心细节是fread的最后一个参数ieee-be。MNIST文件里的整数是大端序存储，而MATLAB的fread默认按本机小端序读取。如果不加这个参数，读出来的magic number、图像数量、行列数全是乱的，reshape出来的图像就是花屏。很多人在这一步就放弃了，其实只是字节序问题。
2.2 三种模型选型：KNN、MLP与CNN的适用边界
手写数字识别的模型选择有一个朴素的逻辑：先看手里有什么工具箱、训练需要多久、识别率要达到什么水平。KNN是惰性学习，训练过程几乎不耗时，MATLAB里fitcknn一行就能建好模型，对MNIST这种28×28的低维数据，像素展开加欧氏距离能轻松拿到95%以上的识别率。MLP（全连接神经网络）需要训练，但代码同样不复杂，识别率能到97%附近，还能画出训练曲线作为实验图。CNN是最终武器，识别率可以冲到99%以上，但需要Deep Learning Toolbox，训练时间明显变长，调参空间也更大。
我自己的习惯是先用KNN把整个系统链路打通——图像预处理、特征提取、评估、可视化全部跑通，确认数据流没有问题，再逐步换成MLP或CNN。这样做的好处是，出问题时能确定是数据链路的问题还是模型的问题，不会一上来就是一团黑匣子。
| 模型 | 所需工具箱 | MNIST典型识别率 | 训练耗时 | 适用阶段 |
|---|---|---|---|---|
| KNN | Statistics and Machine Learning Toolbox | 95%~97% | 秒级（惰性学习） | 基线系统、流程验证 |
| MLP | Deep Learning Toolbox | 96%~98% | 分钟级 | 有训练曲线需求时 |
| CNN | Deep Learning Toolbox | 99%+ | 十分钟级（CPU） | 追求最佳识别率 |
2.3 训练集与测试集怎么切才不算作弊
MNIST原始划分是60000张训练、10000张测试，但直接全部拿去训练并不合理，因为你需要一个验证集来观察模型有没有过拟合，也需要在调参之后用测试集做最终评估。比较稳妥的做法是从60000张训练图里再切出一部分做验证集，测试集保持独立、只在最后用一次。
% 读取原始数据 images = loadMNISTImages('train-images-idx3-ubyte'); labels = loadMNISTLabels('train-labels-idx1-ubyte'); testImages = loadMNISTImages('t10k-images-idx3-ubyte'); testLabels = loadMNISTLabels('t10k-labels-idx1-ubyte'); rng(42); numTrain = 55000; idxPerm = randperm(60000); trainImages = images(:, :, idxPerm(1:numTrain)); trainLabels = labels(idxPerm(1:numTrain)); valImages = images(:, :, idxPerm(numTrain+1:end)); valLabels = labels(idxPerm(numTrain+1:end));随机数种子固定为42，保证每次运行切分结果一致。训练集55000张，验证集5000张，测试集保持原来的10000张。不要小看这一步，后面调参数、比模型全都要靠这个划分，如果你每次跑出来的训练集都不一样，任何实验对比都失去意义。
3. 用MATLAB跑通识别主流程：预处理、特征提取与KNN训练
3.1 单张图像的预处理：从拍照到28×28张量
真实照片和MNIST数据最大的差别是背景和尺幅。相机拍出来的数字可能偏左、偏小、带阴影，不能直接丢给模型。标准预处理流程是灰度化、二值化、找到数字区域并裁剪、缩放统一尺寸。
function bwOut = preprocessDigit(imgPath) % 从图片路径读入手写数字，输出规整后的二值图 img = imread(imgPath); if size(img, 3) == 3 img = rgb2gray(img); end % Otsu自适应阈值二值化：0=背景，1=前景 bw = imbinarize(img); % 如果原图是白底黑字，这里要反色让数字变白色前景 if mean(bw(:)) > 0.5 bw = imcomplement(bw); end % 找到所有前景像素的最小外接矩形 [rows, cols] = find(bw); rect = [min(cols) - 2, min(rows) - 2, ... max(cols) - min(cols) + 4, max(rows) - min(rows) + 4]; % 防止裁剪框越界 rect(1:2) = max(rect(1:2), 1); bw = imcrop(bw, rect); % 统一缩放到28x28 bw = imresize(bw, [28 28]); end这里有两个容易被忽略的细节。第一个是mean(bw(:)) > 0.5的判断：当二值化后白色像素占比超过一半时，大概率原图是白底黑字，需要反色。第二个是imresize时，如果数字本身不是正方形（比如数字1很窄），直接拉伸会导致笔画变形，KNN对这种形变敏感。更讲究的做法是先等比缩放到20×20，再放到28×28画布中央，这也是LeCun当年处理MNIST时采用的方式，有兴趣可以改成这种预处理试试。
3.2 特征提取用像素展开还是HOG
预处理之后，每张图是28×28的二值图。最简单的特征表示就是把这784个像素拉成一维向量，KNN直接在原始像素空间计算距离。这种做法对移位和形变比较敏感，但优点是零参数、不依赖额外工具箱。
如果想要更鲁棒的特征，可以使用方向梯度直方图（HOG），它对笔画局部方向敏感、对轻微位移和光照变化更耐受。MATLAB的extractHOGFeatures属于Computer Vision Toolbox。特征维度由CellSize决定。
function feat = extractFeature(img, cellSize) % img: 28x28二值图 % cellSize: HOG单元格大小，例如 [4 4] 或 [8 8] feat = extractHOGFeatures(img, 'CellSize', cellSize); endCellSize越小，特征维度越高，对细节区分能力越强，但计算量也越大。对MNIST这种简单字符，[4 4]通常比[8 8]识别率高出0.5~1个百分点，但特征维度从144跳到576。如果你的数据集只有几千张，用[4 4]没问题；数据量大时建议先用[8 8]跑通流程，再调小CellSize对比识别率。
3.3 训练KNN分类器：参数怎么看
训练KNN在MATLAB里非常直接。把训练集图像展开成特征矩阵，每行一个样本，每列一个特征，然后调用fitcknn。
% 将训练集展开为特征矩阵：55000 x 784 XTrain = double(reshape(trainImages, 28*28, numTrain))'; YTrain = categorical(trainLabels); % 训练KNN分类器 mdl = fitcknn(XTrain, YTrain, ... 'NumNeighbors', 3, ... 'Distance', 'euclidean', ... 'Standardize', true);NumNeighbors取3是MNIST上的常见经验值：取了更大的K值（比如5或7）虽然能平滑决策边界，但对笔画细节多的数字（如4和9）容易误判。Standardize参数一定要设为true，否则像素值范围（0~255）和某些特征维度的尺度差异会主导欧氏距离，识别率掉几个百分点。标准化在这里的作用是把每个特征缩放到相同量纲，这对距离类算法是必修课。
3.4 封装成预测函数：给一张图返回一个数字
训练完模型之后，系统的核心入口应该是一个独立的预测函数，输入图片路径，输出识别数字。这一步把预处理、特征提取、预测串起来，让整个系统可以被外部调用。
function label = predictDigit(imgPath, mdl, cellSize) bw = preprocessDigit(imgPath); feat = extractFeature(bw, cellSize); label = predict(mdl, feat); fprintf('识别结果：%s\n', char(label)); end这个函数的参数mdl是训练好的KNN模型，cellSize必须和训练阶段保持一致。我见过有人训练时用[4 4]，预测时忘了改回默认的[8 8]，结果特征维度对不上直接报错。建议把cellSize作为全局参数定义在脚本顶部，或者存模型的时候一并存到MAT文件里，避免这种低级错误。
4. 手写数字识别避坑：五条高频翻车记录与排查思路
4.1 MNIST文件读出来是花的：字节序问题
现象：loadMNISTImages读出来的图像在imshow里显示为黑白噪点或者完全错乱的条纹。原因：MNIST文件本身是大端序，MATLAB的fread默认按小端序读取数字，导致magic number、图像数量、行列尺寸全部被解释成错误的数值，后续数据错位。解决：在fread调用末尾显式加'ieee-be'参数。我自己的排查思路是先读magic number并断言它的值，等于2051再继续往下读，这样一旦格式不对能立刻停下来，而不是带着错误数据跑下去。
4.2 二值化之后识别率暴跌：黑底白字被反色
现象：训练集识别率正常，但用自己拍的照片预测时，几乎每次结果都不对。原因：MNIST数据是黑底白字，前景像素值为1；而大多数人拍的照片是白纸黑字，imbinarize之后前景是黑色（0），背景是白色（1）。模型把黑色背景当成了数字，数字区域反而被忽略。解决：在preprocessDigit里增加像素占比判断，前景占比过大就执行imcomplement反色。这里也建议在预测函数里把预处理中间结果用imshow显示一次，眼见为实，别跳过去省这一步。
4.3 训练和测试特征维度对不上：CellSize一致性
现象：训练KNN一切正常，预测时predict报错“数据维度不一致”之类的信息。原因：训练阶段特征提取用的CellSize和预测阶段不一致，比如训练用[8 8]，预测时用了默认的HOG参数，特征维度不同，模型自然拒绝输入。解决：把CellSize作为参数显式传给所有相关函数，不要在函数内部硬编码。另一种更省心的做法是训练完把模型和特征参数一起打包保存。
save('digitModel.mat', 'mdl', 'cellSize');之后加载时从同一个MAT文件取参数，就不会出现两边错位的情况。
4.4 报错Undefined function：工具箱没装全
现象：运行extractHOGFeatures或fitcknn时，MATLAB直接报“Undefined function 'extractHOGFeatures'”或者提示license出错。原因：对应的工具箱没有安装或没有激活。extractHOGFeatures属于Computer Vision Toolbox，fitcknn属于Statistics and Machine Learning Toolbox，trainNetwork属于Deep Learning Toolbox。解决：在MATLAB首页的“附加功能”里查看已安装的工具箱，缺哪个装哪个。这里提醒一句：MATLAB安装时默认不会装全所有工具箱，很多人装完才发现缺货，属于高频踩坑点。
4.5 识别率虚高：训练集和测试集混在一起
现象：系统报告识别率98%，实际拿新图片测试根本达不到。原因：有人写代码时不小心把测试集也纳入了训练集，或者做数据增强时先切分再增强，导致增强后的样本与测试集存在重叠。KNN是惰性学习，本质上记住了所有训练样本，测试样本一旦混入训练集，识别率会虚高到近乎100%。解决：严格保持数据切分的顺序——先切分，后预处理和增强。测试集只能用于最终评估，验证集用于调参。把测试集的评估代码单独放在一个脚本里，避免误操作。
5. 实验图这样出：混淆矩阵、错误样本与训练曲线
5.1 混淆矩阵：别用imagesc硬拼，confusionchart更省事
“实验图”这个需求，绝大多数人最后交的就是一张混淆矩阵。MATLAB的confusionchart可以直接从真实标签和预测标签生成带颜色映射的矩阵图，自动标注格子里的人数和百分比，比用imagesc手工拼要省很多事。
% 在测试集上预测 XTest = double(reshape(testImages, 28*28, 10000))'; yTest = categorical(testLabels); yPred = predict(mdl, XTest); % 生成混淆矩阵图 figure('Color', 'w'); cm = confusionchart(yTest, yPred); cm.Title = 'KNN Test Set Confusion Matrix'; cm.RowSummary = 'row-normalized'; cm.ColumnSummary = 'column-normalized';RowSummary和ColumnSummary会在矩阵右侧和下侧额外显示每行的召回率、每列的精确率，这一眼就能看出哪些数字容易被混淆，比如7和9、3和8这类经典困难对。保存图片时建议用exportgraphics而不是saveas，后者在缩放时会糊。
exportgraphics(gcf, 'confusion_matrix_knn.png', 'Resolution', 300);5.2 错误样本可视化：让系统自己交代错在哪
混淆矩阵只能告诉你哪些数字被分错了，但看不到具体的犯错图像。做实验图时，把预测错误的样本挑出来，按真实标签分组展示，对比效果比任何指标都直观。
% 找到预测错误的样本 errorIdx = find(yPred ~= yTest); % 从错误样本里随机挑12个展示 rng(1); showIdx = errorIdx(randperm(numel(errorIdx), min(12, numel(errorIdx)))); figure('Color', 'w'); for i = 1:numel(showIdx) subplot(3, 4, i); imshow(testImages(:, :, showIdx(i))); title(sprintf('真:%d 预:%d', ... testLabels(showIdx(i)), double(yPred(showIdx(i))))); end注意double(yPred(...))这一步：categorical类型在title里直接拼接会得到char类型的类别名，但转成double才能确保显示的是数值。这类小细节不影响主流程，但做图时很容易卡住。
5.3 KNN最近邻展示与CNN训练曲线
KNN没有训练过程，所以没有训练曲线可画，但有一个更好的替代方案：把某张测试图的最近邻训练样本展示出来。这能直观说明KNN的决策依据。
% 取第一张测试图 queryIdx = 1; queryFeat = XTest(queryIdx, :); % 计算与所有训练样本的欧氏距离并排序 dist = sum((XTrain - queryFeat).^2, 2); [~, neighborIdx] = mink(dist, 3); figure('Color', 'w'); for i = 1:3 subplot(1, 4, i + 1); imshow(trainImages(:, :, neighborIdx(i))); title(sprintf('近邻%d 标签:%d', i, trainLabels(neighborIdx(i)))); end % 第一格放查询图片 subplot(1, 4, 1); imshow(testImages(:, :, queryIdx)); title('查询图片');如果你升级到MLP或CNN，训练曲线就变成刚需。用trainNetwork配合trainingOptions可以自动弹出训练进度图，包括准确率和损失随迭代的变化。
% 构建一个简单CNN：28x28x1输入 -> 卷积 -> 池化 -> 全连接 -> 输出10类 layers = [ imageInputLayer([28 28 1]) convolution2dLayer(3, 16, 'Padding', 'same') reluLayer maxPooling2dLayer(2, 'Stride', 2) fullyConnectedLayer(10) softmaxLayer classificationLayer ]; % CNN要求输入是height x width x channel x N，标签必须是categorical XTrainCNN = single(reshape(trainImages, 28, 28, 1, [])); YTrainCNN = categorical(trainLabels); options = trainingOptions('sgdm', ... 'InitialLearnRate', 0.01, ... 'MaxEpochs', 5, ... 'Shuffle', 'every-epoch', ... 'Plots', 'training-progress', ... 'Verbose', false); net = trainNetwork(XTrainCNN, YTrainCNN, layers, options);trainingOptions里的Plots设为training-progress，训练时会弹出实时更新的训练曲线图。CNN训练比KNN慢很多，CPU上跑5个epoch大概需要十分钟级别，如果只想出图验证流程，可以把MaxEpochs改成2先跑一遍。
6. 识别率上不去的玄学点：阈值、归一化与数据增强的收尾调优
6.1 阈值不是固定值：自适应二值化
有一种情况很玄学：同一套代码，换一张照片识别率就崩。问题往往出在imbinarize的全局阈值上。Otsu在均匀光照下表现很好，但遇到阴影或手机拍摄的偏暗照片，笔画细节会被吞掉。常见做法是改用自适应阈值imbinarize(img, 'adaptive')，它按局部邻域计算阈值，对光照不均更耐受。代价是计算量变大，而且笔画可能变粗，需要配合形态学开运算清理毛刺。
6.2 数据增强：小幅扰动让泛化能力上一个台阶
如果你的实验图里测试集识别率在95%左右徘徊，与其换模型，不如先做数据增强。对KNN来说，小幅旋转±15度、平移±2像素、缩放0.9到1.1倍就能生成大量新样本。MATLAB里对CNN直接用imageDataAugmenter最方便，它会在每个epoch动态生成扰动样本；对KNN则需要在训练前手动生成增强数据并拼进训练集。有一个教训是旋转角度别超过20度——数字2和7在小角度旋转下很容易变得像别的数字，增强太猛反而拉低识别率。
6.3 固定随机种子：让每次实验都可复现
我自己的习惯是每个脚本开头都写rng(42)，原因很简单：不固定随机种子，每次跑出来的数据切分、初始化、shuffle顺序都不一样，实验图的数据改来改去，报告根本没法写。固定种子之后，哪怕模型识别率没有提升，至少实验过程可复现，排查问题时不至于靠猜。这个习惯帮我在调参的时候省了大量时间。整套系统的核心逻辑其实不复杂：先让KNN跑通全流程，再按需换CNN，实验图用confusionchart和错误样本可视化撑起来，最后用自适应阈值和数据增强处理真实照片的脏数据。希望帮到你。
本文还有配套的精品资源，点击获取
