首先得先把opencv安裝上。
在PC上我使用的是anaconda，直接輸入：

conda install --channel https://conda.anaconda.org/menpo opencv3

測試程式碼：

import cv2
print(cv2.__version__)

這一步真簡單，網上也到處能搜到，我這裡就是記個筆記。

第二步，使用opencv來讀取影象：

import cv2
from matplotlib import pyplot as plt
#讀取影象
img=cv2.imread('Test3.jpg',cv2.IMREAD_COLOR)
#顯示影象的方法1
 

cv2.imshow('Test3',img)
k=cv2.waitKey(0)
#顯示影象的方法2
#首先得把GRG調換個個頭
img3=img[:,:,::-1]
plt.imshow(img3)
plt.show()

為了適合Mnist模型，我們還得轉成灰度圖，反色，並縮放到28*28

img=cv2.imread('Test3.jpg',cv2.IMREAD_COLOR)
img =cv2.resize(img, (28, 28),  interpolation=cv2.INTER_CUBIC)
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img
 
 = 0xFF-img
cv2.imshow('Test3',img)
k=cv2.waitKey(0)

下面讀取w、b引數，還得把輸入影象畫素歸一化
然後直接計做矩陣乘加、softmax輸出：

import cv2
from matplotlib import pyplot as plt

img=cv2.imread('Test3.jpg',cv2.IMREAD_COLOR)
img =cv2.resize(img, (28, 28),  interpolation=cv2.INTER_CUBIC)
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img = 0xFF
 
-img
img = img/255
img = img.reshape(784)
testx = [img]

from numpy import *;
import numpy as np; #這個方式使用numpy的函式時，需要以np.開頭。
import math
import pandas as pd
from pandas import Series,DataFrame 

data = pd.read_csv('mnist_w.csv')
#print(data.shape)
usew = data.values
data = pd.read_csv('mnist_b.csv')
useb = data.values
useb = useb.reshape(1,10)#必須確定大小，否則會出錯
a1 = mat(img);
a2 = mat(usew);
a4 = a1*a2+useb
#計算softmax
etab=[0,0,0,0,0,0,0,0,0,0]
for i in range(0,10):
    t = a4[0:,i]
    t = t.tolist()[0]
    t = t[0]
    etab[i] = math.exp(t)
a = sum(etab)
for i in range(0,10):
    t = etab[i]
    t = t/a
    print(t)
print ( "預測值=",etab.index(max(etab)) )

最後得到輸出：
0.0303718806336
0.0306637445764
0.0985644947741
0.496698573451
0.0684541058624
0.193191997366
0.0177791782552
0.0252268936033
0.0210481976761
0.0180009338012
預測值= 3
明顯，預測值為3，並且結果和直接呼叫tensorflow一致！