标题：通过机器学习的方式对图片中玻璃与非玻璃区域进行识别分类

前提：

• 在图片中（如下图），根据启发式信息（不理解“启发式信息”不要紧，关键是后面的结论）：玻璃区域是平滑的，非玻璃区域是非平滑的。
• 上面一点提到的启发式信息，在图像的频率谱中就可以得到充分地体现，我们知道在经过中心化后的频率谱中，低频（高能量）位于频率谱的中心区域，高频（低能量）位于频率谱的四周。又因为在图像平滑中我们会对图像进行滤波，去除图像地高频部分（高频反映地是图像地细节）。故可以得出结论：对于平滑区域，频率谱中低频更多、对于高频区域，频率谱中高频更多。这个结论就为我们对图像中玻璃与非玻璃区域区分提供了前提。
• 因为要使用到频率谱。故：了解或理解，二维离散傅里叶变换就行
• 分类算法：机器学习里的支持向量机（SVM），机器学习的框架用的sklearn
  

实验步骤：

1、对完整图像进行分块

• 选取一块图像
• 对图像进行切块，分成16*16的

2、保存分块后的图像

3、对保存后的图像进行分类，便于对样本数据进行标识

4、计算不同分类中，各个子图像的频率谱

5、将频率谱作为特征，添加数据标识，保存数据，获得训练样本

6、训练SVM模型，保存模型

7、加载模型，预测测试集

8、保存测试集预测完的图片

持续更新中……