# Sandstone

**Repository Path**: ling-yuan-cccc/sandstone

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-15
- **Last Updated**: 2024-12-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# 砂岩图像分割项目

## 概述
本项目旨在通过训练和使用随机森林分类模型对砂岩图像进行分割。项目分为两个主要部分：
1. **训练模型** (`create_clf.py`): 从给定的砂岩图像和其对应的真实分割图像中提取特征，并训练一个随机森林分类模型，最后将模型保存到文件中。
2. **分割图像** (`segment.py`): 加载预训练的随机森林分类模型，并对新的砂岩图像进行分割，最后可视化分割结果和评估指标。

## 项目结构
```
sandstone_segmentation/
├── create_clf.py
├── segment.py
├── Sandstone_1.tif
├── Sandstone_1_segment.tif
├── Sandstone_2.tif
├── Sandstone_2_segment.tif
└── sandstone_clf.pkl
```

## 依赖项
确保你已经安装了以下Python库：
- `numpy`
- `opencv-python`
- `scikit-learn`
- `matplotlib`

你可以使用以下命令安装这些依赖项：
```bash
pip install numpy opencv-python scikit-learn matplotlib
```
## 运行效果
![alt text](<image copy.png>)

![alt text](image.png)

## 使用方法

### 1. 训练模型 (`create_clf.py`)
1. **准备数据**: 将 `Sandstone_1.tif` 和 `Sandstone_1_segment.tif` 放置在项目目录中。
2. **运行脚本**:
    ```bash
    python create_clf.py
    ```
3. **输出**:
    - 训练过程中的日志信息将输出到控制台。
    - 训练好的模型将保存到 `sandstone_clf.pkl` 文件中。

### 2. 分割图像 (`segment.py`)
1. **准备数据**: 确保 `sandstone_clf.pkl` 文件已经存在，并将 `Sandstone_2.tif` 和 `Sandstone_2_segment.tif` 放置在项目目录中。
2. **运行脚本**:
    ```bash
    python segment.py
    ```
3. **输出**:
    - 处理过程中的日志信息将输出到控制台。
    - 分割结果将通过 `matplotlib` 库可视化，并显示在图形窗口中。

## 功能细节

### `create_clf.py`
1. **应用图像滤波器**: 对输入图像分别应用均值滤波、高斯滤波、Sobel滤波和Canny边缘检测，以提取不同特征。
2. **创建特征矩阵**: 将原始图像和滤波后的图像展平并组合成特征矩阵。
3. **分割训练集和测试集**: 使用 `train_test_split` 函数将特征矩阵和标签分割成训练集和测试集。
4. **训练随机森林模型**: 使用 `RandomForestClassifier` 训练模型。
5. **计算准确率**: 使用测试集评估模型的准确率。
6. **保存模型**: 使用 `pickle` 模块将训练好的模型保存到文件中。

### `segment.py`
1. **加载模型**: 使用 `pickle` 模块加载预训练的随机森林分类模型。
2. **读取图像**: 读取新的砂岩图像和其对应的真实分割图像。
3. **创建特征**: 从新图像中提取特征矩阵。
4. **图像分割**: 使用加载的分类模型对特征矩阵进行预测，并将预测结果重塑为原始图像的形状。
5. **计算准确率**: 计算预测分割图像与真实分割图像的准确率。
6. **可视化分割结果**: 使用 `matplotlib` 库可视化原始图像、真实分割图像和预测分割图像。

## 日志记录
项目中使用 `logging` 模块记录日志信息，包括训练过程中的信息和错误。日志级别设置为 `INFO`，因此所有 `INFO` 及以上级别的日志都会被记录。

## 示例数据
- `Sandstone_1.tif`: 用于训练的原始砂岩图像。
- `Sandstone_1_segment.tif`: 用于训练的真实分割图像。
- `Sandstone_2.tif`: 用于测试的原始砂岩图像。
- `Sandstone_2_segment.tif`: 用于测试的真实分割图像。

## 个人信息
学号：202252320304

班级：三班