请提供一段python代码：使用DBSCAN来处理本地的一个文件夹里面的图片，并处理图像的尺寸

以下是示例代码：

import os
import cv2
import numpy as np
from sklearn.cluster import DBSCAN

# 获得文件夹中的所有图片
image_folder_path = "your/image/folder/path"
image_file_names = [f for f in os.listdir(image_folder_path) if f.endswith(".jpg") or f.endswith(".png")]

# 读取每个图片并调整尺寸
images = []
for image_file_name in image_file_names:
    image_path = os.path.join(image_folder_path, image_file_name)
    image = cv2.imread(image_path)
    image = cv2.resize(image, (100, 100))  # 调整到 100×100 大小
    images.append(image)

# 将每个图片转换成一个特征向量
features = np.array([image.flatten() for image in images])

# 使用 DBSCAN 进行聚类
dbscan = DBSCAN(eps=500, min_samples=2)
labels = dbscan.fit_predict(features)

# 输出聚类结果
for i, label in enumerate(labels):
    file_name = image_file_names[i]
    print(f"{file_name}: Cluster {label}")

注意，这只是一个示例代码，具体的 DBSCAN 参数和聚类结果可能需要根据您的数据进行调整。