请提供一段完整的代码：将本地的一个文件夹的图片进行数据预处理后进行 one class SVM 分类，并对测试集进行分类得到准确率

请参考以下 Python 代码示例，实现将本地的一个文件夹的图片进行数据预处理后进行 one class SVM 分类，并对测试集进行分类得到准确率：

import os
import cv2
import numpy as np
from sklearn.svm import OneClassSVM
from sklearn.metrics import accuracy_score

# 图片预处理
def preprocess_image(image):
    # 灰度化
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 缩放大小
    resized = cv2.resize(gray, (50, 50), interpolation = cv2.INTER_AREA)
    # 转换为特征向量
    feature_vector = np.reshape(resized, (1, -1))
    # 归一化
    feature_vector = feature_vector / 255.0
    return feature_vector.flatten()

# 加载训练数据
train_folder_path = "/path/to/train/folder"
train_images = []
for filename in os.listdir(train_folder_path):
    image_path = os.path.join(train_folder_path, filename)
    image = cv2.imread(image_path)
    if image is not None:
        feature_vector = preprocess_image(image)
        train_images.append(feature_vector)

# one class SVM 分类器训练
clf = OneClassSVM(kernel='rbf', gamma=0.01, nu=0.01)
clf.fit(train_images)

# 加载测试数据
test_folder_path = "/path/to/test/folder"
test_images = []
for filename in os.listdir(test_folder_path):
    image_path = os.path.join(test_folder_path, filename)
    image = cv2.imread(image_path)
    if image is not None:
        feature_vector = preprocess_image(image)
        test_images.append(feature_vector)

# 对测试集进行分类，并计算准确率
pred_labels = clf.predict(test_images)
true_labels = np.ones(len(pred_labels))
accuracy = accuracy_score(true_labels, pred_labels)
print("准确率：", accuracy)

其中，`preprocess_image` 函数用于将原始图片进行预处理，得到特征向量；`train_folder_path` 和 `test_folder_path` 分别指定训练集和测试集所在的文件夹路径；`OneClassSVM` 分类器使用 RBF 核函数，gamma 取 0.01，nu 取 0.01。最后，使用 `accuracy_score` 函数计算分类准确率。