完整代碼：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（）格式化為模型標準格式卷積神經(jīng)網(wǎng)絡(luò)只接受固定大小的圖像，例如（100，100，3）。有幾種方法可以做到這一點。為了保持圖像的比例長度，可以嘗試裁剪圖像。一般語法是：plt．imshow（cv2＿im［y＿upper＿bound：y＿lower＿bound，x＿lower＿bound：x＿higher＿bound］）其中“upper”和“l(fā)ower”由圖像上的位置確定（y的“upper”表示圖像的上方，x的“upper”表示圖像的右側(cè)）。例如，plt．imshow（cv2＿im［100：400，100：400］）

這里把照片裁剪成正方形。但是，尺寸仍然是300×300。為了解決這個問題，我們將再次使用Pillow：pil＿image ＝ Image．fromarray（cv2＿im［100：400，100：400］）width ＝ 100height ＝ 100pil＿image ＝ pil＿image．resize（（width，height）， Image．ANTIALIAS）NumPy自動將Pillow圖像轉(zhuǎn)換為數(shù)組。import numpy as npcv2＿im＿new ＝ np．a(chǎn)rray（pil＿image）查看新圖像：plt．imshow（cv2＿im＿new）

好多了！圖像的新形狀是（100，100，3）， 非常適合我們的模型。在模型中運行現(xiàn)在我們有了NumPy數(shù)組，只需將其傳遞到模型中即可。model．predict（cv2＿im＿new）基于此，通過一些手動編碼來標記圖像的真實標簽，可以在title中標記它們：plt．imshow（cv2＿im＿new）plt．title（＇Hand Gesture： ＇＋classification）

在本教程中，你將學習如何實現(xiàn)一個簡單的拍照界面，以查看你的機器學習模型的實際應(yīng)用性能。