写一个python代码 使用PCA将我本地文件夹中图片降维并保存

下面是一个简单的Python代码示例，使用`sklearn`库中的`PCA`来实现图片的降维。这个例子假设你已经安装了`sklearn`, `matplotlib`和`PIL`（Python Imaging Library）库。这个代码将在本地文件夹中选择所有.jpg或.png格式的图片，对其进行PCA降维，并保存降维后的图片。请确保你有权限访问指定的文件夹。

import os
from PIL import Image
import numpy as np
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

# 定义图片路径
image_folder = 'your_image_folder_path'  # 替换为你的图片文件夹路径

# 图片预处理函数
def preprocess_image(image_path):
    img = Image.open(image_path)
    img_array = np.array(img)  # 将图片转为numpy数组
    return img_array.reshape(-1)  # 图片展平成一维数组

# 加载图片并堆叠成一个大数组
images = []
for filename in os.listdir(image_folder):
    if filename.endswith(('.jpg', '.png')):
        image_path = os.path.join(image_folder, filename)
        images.append(preprocess_image(image_path))

# 合并所有图片数据
image_data = np.vstack(images)

# 创建PCA模型并应用降维
pca = PCA(n_components=3)  # 保留3个主成分
reduced_data = pca.fit_transform(image_data)

# 选择一个样本图像还原和展示降维效果
sample_index = 0
reduced_image = reduced_data[sample_index].reshape(img.shape)

# 保存降维后的图片
plt.imshow(reduced_image)
plt.imsave('reduced_' + filename, reduced_image)

# 打印降维后的图片数量
print(f"共降维{len(reduced_data)}张图片")