# Sandstone

**Repository Path**: xv514/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**: 2025-11-24
- **Last Updated**: 2025-11-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Sandstone 图像分区（Segmentation）项目
![生成的区域分割图](%E5%B1%8F%E5%B9%95%E6%88%AA%E5%9B%BE%202025-11-24%20180756.png)
## 项目简介

本仓库实现了基于像素级分类的砂岩截面图分区流程：

- 使用 `Sandstone_1.tif` 与标注分区 `Sandstone_1_segment.tif` 进行训练，构建像素分类器（示例为随机森林）。
- 将训练得到的分类器保存为 `sandstone_clf.pkl`，并用它对 `Sandstone_2.tif` 进行分区预测。
- 将预测结果与标准分区 `Sandstone_2_segment.tif` 比较并输出准确率，同时保存预测分区图 `Sandstone_2_pred_segment.tif`。

本项目包含特征工程（原始灰度 + 均值、高斯、Sobel、Canny）用于增加每个像素的判别能力。

## 文件说明

- `create_clf.py`：训练脚本。读取 `Sandstone_1.tif` 与 `Sandstone_1_segment.tif`，生成特征、训练分类器并将模型 `sandstone_clf.pkl` 保存到磁盘。
- `segment.py`：分割脚本。加载 `sandstone_clf.pkl`，对 `Sandstone_2.tif` 进行预测，计算准确率并保存预测分割图 `Sandstone_2_pred_segment.tif`，同时显示三张图（原图、真实分区、预测分区）。
- `Sandstone_1.tif`, `Sandstone_1_segment.tif`, `Sandstone_2.tif`, `Sandstone_2_segment.tif`：数据文件（灰度图和对应分区标签）。
- `sandstone_clf.pkl`：训练后保存的分类器模型（由 `create_clf.py` 生成）。

## 依赖

建议使用 Python 3.8+，安装依赖：

```bash
pip install numpy opencv-python scikit-learn matplotlib
```

（如果在没有显示器的服务器运行，matplotlib 可设置后端或注释显示代码）

## 使用说明

1. 在含有数据的目录下运行训练脚本：

```bash
python create_clf.py
```

预期命令行输出示例（以随机森林为例）：

```
图像形状: (1024, 996)
完成从砂岩截面图1及其对应分区中获取X和y
完成train_test_split
完成随机森林模型clf的训练
准确率:  0.9643431425097722
已保存随机森林模型clf到硬盘
```

运行后会生成文件：`sandstone_clf.pkl`

2. 使用训练好的模型对第二张图像分割并查看结果：

```bash
python segment.py
```

预期输出示例：

```
分割准确率: 0.967
```

同时程序会显示三幅灰度图（原始图、真实分区、预测分区）并保存 `Sandstone_2_pred_segment.tif`。

## 特征工程说明

训练时每个像素被视为一条样本，构成特征向量：

- 原始灰度值
- 均值滤波（3x3）
- 高斯滤波（3x3）
- Sobel 滤波（检测边缘）
- Canny 边缘检测二值图

这些特征帮助分类器区分不同区域的纹理与边界信息，从而对像素进行更准确的分类。

## 输出文件

- `sandstone_clf.pkl`：序列化的分类器模型。
- `Sandstone_2_pred_segment.tif`：模型对 `Sandstone_2.tif` 的预测分割（灰度图）。

## 改进建议

- 增加更多局部特征（例如局部方差、LBP、更多尺度的高斯/均值滤波）
- 使用更强的分类器或深度学习方法（如 U-Net）以提升分割质量
- 对标签进行平衡或使用像素权重来应对类别不平衡
- 使用交叉验证与网格搜索对模型超参数进行优化

## 个人信息

- 学号：202352320224
- 年级：2023
- 专业：智能科学与技术
- 班级：二班