训练的模型是上一篇博客发布的内容，这篇博客我们用上一篇博客发的内容测试一下模型。

1.导入必要的库

pandas as pd: Pandas是一个强大的数据分析和处理库，它提供了数据结构（如DataFrame）和工具，用于数据操作和分析。
matplotlib.pyplot as plt: Matplotlib是一个绘图库，pyplot是其中的一个模块，它提供了一个类似于MATLAB的绘图框架。
cv2: 这是OpenCV库的别名，它是一个强大的计算机视觉库，用于图像和视频处理。
random: 这是Python的标准库，它提供了生成随机数的函数。
os: 这是Python的标准库，它提供了与操作系统交互的功能，比如文件和目录操作。
numpy as np: NumPy是一个用于科学计算的库，它提供了高效的数组处理能力，对于图像处理等任务非常有用。

import pandas as pd
import matplotlib.pyplot as plt
import cv2
import random
import os
import numpy as np
from sklearn.metrics import accuracy_score, precision_recall_fscore_support

2.加载测试数据集

使用pandas读取CSV文件

test_labels_df = pd.read_csv('test_labels.csv')

3.假设CSV文件中的图像文件名是完整的路径

从CSV中提取特征和标签

image='D:/rgzn/face/DATASET/99'
image_paths = test_labels_df['image'].values  # 假设'image'列包含了图像文件的路径
true_labels = test_labels_df['label'].values  # 假设'label'列包含了对应的标签

4.随机选择一张图片进行展示

random_index = random.randint(0, len(image_paths) - 1)
image_path = image_paths[random_index]
label = true_labels[random_index]

random_index = random.randint(0, len(image_paths) - 1)：

random.randint(0, len(image_paths) - 1)：这个函数调用用于生成一个随机整数，其范围是从0到image_paths列表的长度减1。
random_index：这个变量存储了随机生成的索引值。

image_path = image_paths[random_index]：

image_paths[random_index]：这个索引操作符用于根据random_index变量中存储的随机索引值，从image_paths列表中获取对应的图像路径。
image_path：这个变量存储了随机选择的图像路径。

label = true_labels[random_index]：

true_labels[random_index]：这个索引操作符用于根据random_index变量中存储的随机索引值，从true_labels列表中获取对应的标签。
label：这个变量存储了与随机选择的图像路径对应的标签。

5.加载图像

image = cv2.imread(image_path)

cv2.imread(image_path)：这个函数调用用于读取图像文件。它返回一个NumPy数组，其中包含了图像的像素数据。
image：这个变量存储了读取到的图像数据，它是一个NumPy数组。

6.使用模型进行预测

test_predictions = model.predict(X_test)

model.predict(X_test)：这个函数调用用于使用模型对测试数据集X_test进行预测。
test_predictions：这个变量存储了模型对测试数据集的预测结果。

7.设置模型的预测结果

test_predictions = np.zeros_like(y_test)

np.zeros_like(y_test)：这个函数调用用于创建一个与y_test形状相同的数组，并将其所有元素初始化为0。
test_predictions：这个变量存储了转换后的预测结果，其中每个元素都是0。

8.计算准确率

accuracy = accuracy_score(y_test, test_predictions_binary)
print(f'Accuracy: {accuracy:.4f}')

9.指定test文件夹路径

test_folder = 'D:/rgzn/face/DATASET/test'

10.读取名为image_path的图片

# image_path = 'image_path.jpg'  # 假设要读取的图片文件名为image_path.jpg
image_full_path = os.path.join(test_folder, image_path)

11.加载图像

image = cv2.imread(image_full_path)

12.检查图像是否为空

if image is None:
    print("Error: Failed to load image.")
else:
    # 显示图像
    plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    plt.title(f'Label: {label}  Image: {image_path}')
    plt.axis('off')
    plt.show()