# IPR7

**Repository Path**: bcqcbh/ipr7

## Basic Information

- **Project Name**: IPR7
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-14
- **Last Updated**: 2025-11-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 砂岩图像分类与分割预测工具
本工具基于随机森林算法，实现砂岩图像的自动分区分割：通过标注好的砂岩图像训练分类器，再用训练好的模型对新砂岩图像进行分区预测，并可视化对比预测结果与真实分区。
## 目录结构
plaintext
ipr7/
├─ create_clf.py       # 训练分类器并保存模型
├─ segment.py          # 加载模型并预测分割
├─ clf.pkl             # 训练后生成的模型文件（自动生成）
├─ README.md           # 使用说明文档
└─ 图片文件夹/          # 存放砂岩图像（可自定义名称）
   ├─ Sandstone_1.tif       # 训练用原始砂岩图
   ├─ Sandstone_1_segment.tif  # 训练用标注分区图
   ├─ Sandstone_2.tif       # 预测用原始砂岩图
   └─ Sandstone_2_segment.tif  # 预测用真实分区图（用于准确率评估）
## 环境依赖
运行前需安装以下 Python 库，支持 Python 3.7+：
bash

## 安装核心依赖
pip3 install imagecodecs scikit-image numpy scipy matplotlib scikit-learn pillow
imagecodecs：解码 LZW 压缩的 TIFF 图像
scikit-image：图像读取与预处理
scikit-learn：随机森林分类器与模型评估
numpy：数组运算
matplotlib：结果可视化
## 快速使用
1. 准备数据
将砂岩图像按上述目录结构存放
若自定义图片文件夹名称（非 "图片文件夹"），需修改两个脚本中的 image_folder 变量（例如改为 "sandstone_data"）
确保图片文件名为：Sandstone_1.tif、Sandstone_1_segment.tif、Sandstone_2.tif、Sandstone_2_segment.tif（Linux 系统大小写敏感）
2. 训练分类器
运行训练脚本，从标注数据中学习特征并保存模型：
bash
cd /home/yuyuyu/ipr7  # 进入项目目录
python3 create_clf.py
## 脚本功能：
读取训练用图像和标注分区图
自动处理多通道转单通道、尺寸统一（裁剪到最小匹配尺寸）
划分训练集 / 测试集（8:2），训练随机森林分类器
输出模型准确率，保存模型为 clf.pkl
# 成功运行示例输出：
plaintext
正在读取图片：图片文件夹/Sandstone_1.tif
原始图像形状：(1008, 1012)（格式：高×宽×通道数）
正在读取分区图：图片文件夹/Sandstone_1_segment.tif
分区图原始形状：(1008, 1012, 3)
分区图取第一通道后形状：(1008, 1012)
特征向量形状：(1019904, 1)（样本数 × 特征数）
标签向量形状：(1019904,)（样本数）
开始训练随机森林分类器...
模型训练完成！测试集准确率：0.925
模型已保存为 clf.pkl（脚本同级目录）
## 3. 预测分割与可视化
运行预测脚本，加载模型对新图像进行分区预测：
bash
python3 segment.py
# 脚本功能：
读取预测用图像和真实分区图
沿用训练时的预处理逻辑（通道统一、尺寸匹配）
加载 clf.pkl 模型，对每个像素进行分类预测
计算预测准确率，可视化展示「原始图→真实分区图→预测分区图」
成功运行后会自动弹出可视化窗口，同时输出：
plaintext
正在读取预测用原始图：图片文件夹/Sandstone_2.tif
原始图形状：(1008, 1012)（格式：高×宽×通道数）
正在读取真实分区图：图片文件夹/Sandstone_2_segment.tif
真实分区图形状：(1008, 1012, 3)
真实分区图取第一通道后形状：(1008, 1012)
模型加载成功！
预测特征向量形状：(1019904, 1)
正在进行分区预测...
预测准确率：0.918
# 关键说明
1. 图像预处理逻辑
通道处理：多通道图像（如 RGB）自动转为单通道（原始图灰度化，分区图取第一通道）
尺寸匹配：若原始图与分区图尺寸不一致，自动裁剪到两者的最小尺寸（避免拉伸失真）
特征提取：以像素灰度值作为基础特征（可扩展纹理、边缘等高级特征）
## 个人信息
- 学号: 202352320105
- 年级: 2023
- 专业: 智能科学与技术
- 班级: 一 班