# Segmented-sandstone

**Repository Path**: tang-yu_1_0/segmented-sandstone

## Basic Information

- **Project Name**: Segmented-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**: 2023-12-25
- **Last Updated**: 2023-12-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目描述
本项目是开发一个基于机器学习的图像分析工具，具体用于砂岩截面图像的分区和分析
![输入图片说明](1.png)
![输入图片说明](2.png)
# 功能
本项目实现了以下功能：
-  读取砂岩截面的灰度图像及其对应的分区图。
- 将图像数据转换为适合机器学习模型的格式。
- 使用随机森林算法训练图像分区模型。
- 计算并展示模型在测试数据上的准确率。
- 使用训练好的模型对新的砂岩截面图像进行分区预测。
- 展示原始图像、真实分区图和预测分区图，并显示预测准确率。

# 依赖
本项目依赖以下库：
- Python: 一个高级编程语言，广泛用于科学计算和数据分析。
- OpenCV (cv2): 一个强大的图像处理库。
- NumPy: 用于处理大型多维数组和矩阵的库。
- Matplotlib: 一个绘图库，用于展示图像和图表。
- scikit-learn: 提供多种简单有效的工具进行数据挖掘和数据分析。
- pickle: 用于Python对象序列化和反序列化的库。

# 使用
- 确保安装所有必需的Python库。可以使用pip安装缺失的库：pip install numpy opencv-python matplotlib scikit-learn
- 将所需的砂岩截面图像及其分区图放置在项目目录中。
- 运行代码：执行脚本进行训练、预测和结果展示。

# 注意
- 确保所有图像文件路径正确，且图像格式为灰度图。
- 确保所有依赖库都已正确安装
- 在使用新的图像数据之前，确保它们的分辨率和特征与训练数据一致

## 个人信息
- 学号: 202152320130
- 年级: 21
- 专业: 智能科学与技术
- 班级: 1班