我正在尝试创建一个能够识别图像的Python程序，并使用Sci-Kit Learn机器学习包。我已经完成了他们提供的识别数字的教程（这是教程的链接：http://scikit-learn.org/stable/tutorial/basic/tutorial.html#introduction）。现在，我想使用Sci-Kit Learn的svm.SVC分类器来识别我自己的PNG图像数据集中的图像，但我不知道该如何操作。我读到fit(X, y)方法需要输入[n_samples, n_features]数组和[n_samples]数组；然而，我不太理解n_samples和n_features的含义。以下是我程序中的相关代码：

from PIL import Imageimport numpy as npimport globevent_png_pair = []for file in glob.glob('../../Pictures/Trial/*.png'):    img = Image.open(file, 'r')    ''' 一些图像调整大小代码 '''    img_conv = img.convert("L")    datum = np.array(img_conv)    ''' 以下是一些名称解析 '''    name = file    name = name.replace('.png', '')[::-1]    name_list = list(name)    number_char_list = name_list[:name_list.index('_')]    number_list = number_char_list[::-1]    event_number = int(''.join(number_list))    ''' 创建包含事件编号和对应图像np数组的元组 '''    event_png_pair.append((event_number, datum))

显然，上述代码并不是特别有帮助，它只是展示了我如何从PNG图像中解释数据。是否有人可以提供一些指导，告诉我如何创建一个可以被Sci-Kit Learn解释的数据集？

更新：我现在打算创建一个类似于数字数据集的数据集，但使用我自己的图像。我将n_samples设为图像数量，n_features设为图像数据。我的target将是一个数组[1, 2]，因为我只想区分两种类型的图像。如果有关于如何将图像数据集导入Sci-Kit Learn的相关信息，请提供这些信息。

回答：

如果你想使用原始像素作为特征（如数字示例中所示），你需要调整/重塑/填充图像，使每个图像具有相同数量的像素。然后，你需要将每个图像展平为一行，并将它们堆叠成一个数组。这仅适用于非常简单、对齐和标准化的图像。