给出一个简单的超像素池化代码，要求可以输入图像，并可视化输出池化后的特征图

以下是一个使用skimage库实现的简单超像素池化代码：

from skimage import segmentation, color
import numpy as np
import matplotlib.pyplot as plt

def superpixel_pooling(image, n_segments):
    # 生成超像素分割
    segments = segmentation.slic(image, n_segments=n_segments)
    # 计算每个超像素的平均值
    mean_vals = color.label2rgb(segments, image, kind='avg')
    # 获取每个超像素的区域
    regions = segmentation.find_boundaries(segments)
    # 将每个超像素池化为一个像素
    pooled_vals = np.zeros_like(image)
    for i in range(image.shape[2]):
        pooled_vals[:,:,i] = segmentation.join_segmentations(mean_vals[:,:,i], regions)
    return pooled_vals

# 读入图像
image = plt.imread('example.jpg')
# 超像素池化
pooled_image = superpixel_pooling(image, n_segments=50)
# 可视化输出
fig, ax = plt.subplots(ncols=2, figsize=(10, 5))
ax[0].imshow(image)
ax[0].set_title('Original Image')
ax[1].imshow(pooled_image)
ax[1].set_title('Pooled Image')
plt.show()

在此代码中，我们首先使用skimage库的`slic`函数对输入图像进行超像素分割。然后，我们计算每个超像素的平均值，并将每个超像素池化为一个像素。最后，我们可视化输出池化后的特征图。