我的数据集是D:\wjd这个路径下有八个文件夹，分别是Al,Ag,Au,Cu,Mo,Cu,V,W这8个文件夹，每个文件夹下面是300张1000*1000的格式为png的ovito三色图，现在想用一种无监督方法对这个路径下D:\wjd下的8个文件夹的图片进行特征提取，然后归为两大类，一类是FCC，一类是BCC，然后把分类结果放到两个文件夹里，一个叫FCC,另外一个叫BCC可以根据这些描述，给我写程序吗

好的，根据您的描述，我可以给您提供一个简单的流程：

1. 导入必要的库和模块：

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

2. 定义一个函数来读取图像数据并提取特征：

def extract_features(image_path):
    image = cv2.imread(image_path)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    pixels = np.float32(image.reshape(-1, 3))
    kmeans = KMeans(n_clusters=2, random_state=42).fit(pixels)
    labels = kmeans.labels_.reshape(image.shape[:2])
    features = np.concatenate([np.mean(pixels[labels == i], axis=0) for i in range(2)])
    return features

3. 定义一个函数来对图像进行分类：

def classify_images(image_dir):
    for subdir in ['FCC', 'BCC']:
        os.makedirs(os.path.join(image_dir, subdir), exist_ok=True)
    for metal in os.listdir(image_dir):
        metal_dir = os.path.join(image_dir, metal)
        if not os.path.isdir(metal_dir):
            continue
        for image_file in os.listdir(metal_dir):
            if not image_file.endswith('.png'):
                continue
            image_path = os.path.join(metal_dir, image_file)
            features = extract_features(image_path)
            if features[0] > features[1]:
                subdir = 'FCC'
            else:
                subdir = 'BCC'
            dest_path = os.path.join(image_dir, subdir, metal + '_' + image_file)
            os.rename(image_path, dest_path)

4. 调用 `classify_images` 函数对图像进行分类：

image_dir = 'D:/wjd'
classify_images(image_dir)

这个程序会遍历 `D:/wjd` 目录下的每个子目录，为每个图像提取特征并根据特征值将其分类到 `FCC` 或 `BCC` 目录中。注意，在运行程序之前，请确保 `D:/wjd` 目录下只包含您要处理的图像文件夹和图像文件。