图像分割评价标准 代码 (Image segmentation evaluation metrics code)1

最新推荐文章于 2024-05-15 04:13:56 发布
最新推荐文章于 2024-05-15 04:13:56 发布
阅读量2.4k 收藏 6
点赞数

图像分割评价标准 代码 (Image segmentation evaluation metrics code)

分享图像分割中用到的多种评价标准的代码，方便使用。若有问题还望各位提醒指正。

强烈建议参考如下两篇文章

Performance measure characterization for evaluating neuroimage segmentation algorithms

Metrics for evaluating 3D medical imagesegmentation: analysis, selection, and tool

main function （输入图像SEG 和 GT 分别为算法分割结果图像、分割金标准图像。对于多类分割的图像，需要先取出SEG和GT中对应的各类，然后使用下述函数单独计算该类。）:


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     % 
     
     test all segmentation metric 
     
     functions
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     SEG = imread(
     
     '0.png');
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     GT = imread(
     
     '1.png');
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     % binarize
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     SEG = im2bw(SEG, 0.1);
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     GT = im2bw(GT, 0.1);
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     dr = Dice_Ratio(SEG, GT)
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     hd = Hausdorff_Dist(SEG, GT)
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     jaccard = Jaccard_Index(SEG, GT)
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     apd = Avg_PerpenDist(SEG, GT)
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     confm_index = ConformityCoefficient(SEG, GT)
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     precision = Precision(SEG, GT)
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     recall = Recall(SEG, GT)

Dice_Ratio: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function dr = Dice_Ratio(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     dice
     
      
     
     ratio
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     dr
     
      = 2*
     
     double
     
     (sum(uint8(SEG(:)
     
      & 
     
     GT
     
     (:)
     
     ))) / 
     
     double
     
     (sum(uint8(SEG(:)
     
     )) + 
     
     sum
     
     (uint8(GT(:)
     
     )));
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

Hausdorff_Dist （得到hd 之后，还需要乘以像素的物理距离，才是真正的 Hausdorff 距离）（update: 对于三维体数据中该距离的计算，ITK方面给出的计算流程是：先将体数据匹配到同一物理空间，然后进行计算，这就要求两个体数据必须具备相同的物理参数。所以本代码不适用于三维体数据的计算。）:


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function hd = Hausdorff_Dist(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     erode
     
      
     
     element
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     s
     
      = 
     
     cat
     
     (3, [0 0 0 ; 0 1 0 ; 0 0 0], [0 1 0 ; 1 1 1 ; 0 1 0], [0 0 0 ; 0 1 0 ; 0 0 0])
     
     ;
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % generate boundary
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Boundary_SEG = logical(SEG) & ~imerode(logical(SEG), s);
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Boundary_GT = logical(GT) & ~imerode(logical(GT), s);
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % distance 
     
     to nearest boundary point
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Dist_SEG = bwdist(Boundary_SEG, 
     
     'euclidean');
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Dist_GT = bwdist(Boundary_GT, 
     
     'euclidean');
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % distance 
     
     to another boundary
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         min_S2G = sort(Dist_GT( Boundary_SEG(:) ), 
     
     'ascend');
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         min_G2S = sort(Dist_SEG( Boundary_GT(:) ), 
     
     'ascend');
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % hausdorff distance
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         hd = max(min_S2G(
     
     end), min_G2S(
     
     end));
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

Jaccard_Index: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function jaccard = Jaccard_Index(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     jaccard
     
      
     
     index
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     jaccard
     
      = 
     
     double
     
     (sum(uint8(SEG(:)
     
      & 
     
     GT
     
     (:)
     
     ))) / 
     
     double
     
     (sum(uint8(SEG(:)
     
      | 
     
     GT
     
     (:)
     
     )));
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

Avg_PerpenDist （得到 apd 之后，还需要乘以像素的物理距离，才是真正的 apd 值）: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function apd = Avg_PerpenDist(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     	% 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     erode
     
      
     
     element
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     s
     
      = 
     
     cat
     
     (3, [0 0 0 ; 0 1 0 ; 0 0 0], [0 1 0 ; 1 1 1 ; 0 1 0], [0 0 0 ; 0 1 0 ; 0 0 0])
     
     ;
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % generate boundary
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Boundary_SEG = logical(SEG) & ~imerode(logical(SEG), s);
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Boundary_GT = logical(GT) & ~imerode(logical(GT), s);
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % distance 
     
     to nearest boundary point
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         Dist_GT = bwdist(Boundary_GT, 
     
     'euclidean');
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % distance 
     
     to another boundary
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         min_S2G = Dist_GT( Boundary_SEG(:) );
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % average perpendicular distance from SEG 
     
     to GT
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         apd = sum(min_S2G(:)) / length(min_S2G(:));
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

ConformityCoefficient: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function confm_index = ConformityCoefficient(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     dice
     
      
     
     ratio
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     dr
     
      = 2*
     
     double
     
     (sum(uint8(SEG(:)
     
      & 
     
     GT
     
     (:)
     
     ))) / 
     
     double
     
     (sum(uint8(SEG(:)
     
     )) + 
     
     sum
     
     (uint8(GT(:)
     
     )));
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % conformity coefficient
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         confm_index = (
     
     3*dr - 
     
     2) / dr;
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

Precision: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function precision = Precision(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     	% 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     precision
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     precision
     
      = 
     
     double
     
     (sum(uint8(SEG(:)
     
      & 
     
     GT
     
     (:)
     
     ))) / 
     
     double
     
     (sum(uint8(SEG(:)
     
     )));
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

Recall: 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     function recall = Recall(SEG, GT)
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     	% 
     
     SEG
     
     , 
     
     GT
     
      
     
     are
     
      
     
     the
     
      
     
     binary
     
      
     
     segmentation
     
      
     
     and
     
      
     
     ground
     
      
     
     truth
     
      
     
     areas
     
     , 
     
     respectively
     
     .
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
         % 
     
     recall
     
     
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     recall
     
      = 
     
     double
     
     (sum(uint8(SEG(:)
     
      & 
     
     GT
     
     (:)
     
     ))) / 
     
     double
     
     (sum(uint8(GT(:)
     
     )));
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     end

关于precision 和 recall 的wikipedia补图：




qq_32790593
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像分割—基于图的图像分割（Graph-Based Image Segmentation）C++源代码
12-28
C++版源代码，分享给大家，Graph-Based Segmentation 是经典的图像分割算法，作者Felzenszwalb也是提出DPM算法的大牛。该算法是基于图的贪心聚类算法，实现简单，速度比较快，精度也还行。
准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
热门推荐
houxiaogang05
03-22 2万+
转自：http://blog.csdn.net/Real_Myth/article/details/52384189 http://blog.csdn.net/yangyangyang20092010/article/details/51637073https://blog.csdn.net/kevinelstri/article/details/609593321、准确率(Accuracy), ...
医学图像分割常见评价指标(单目标)——包含源码讲解和指标缺陷
Philo的博客
11-05 1万+
2023年6月1号新增Accuracy指标，强调了其和Precisio指标的区别 就是预测的区域中真正是目标区域的面积占据总目标区域的比例，1最好，0最拉；
【理论+实践】史上最全-论文中常用的图像分割评价指标-附完整代码_分割指标hd95 aorta
最新发布
2401_84615960的博客
05-15 1179
∣A⋂B∣∣A⋃B∣TPTPFPFN还是上面那个3 * 3 的例子，我们来计算一下它的IoUIoU交集3并集5TP3TPFPFN560IoU=\frac{交集=3}{并集=5} = \frac{TP=3}{TP+FP+FN=5} = 60%IoU=并集=5交集=3​=TP+FP+FN=5TP=3​=60%
医学图像Dice计算及代码-tensorflow
weixin_44613728的博客
06-10 2543
dice是医学图像中的常见指标，代表的是ground truth的分割结果,Vpr代表的是预测的分割结果。直观上理解，如下图，代表的是两个体相交的面积占总面积的比值，完美分割该值为1。1 计算公式如下： s=2∗（pred∩GT）pred∪GT s=\frac {2*（pred\cap GT）}{pred \cup GT } s=pred∪GT2∗（pred∩GT）​ 其中pred 是预测图 代码如下： # @tf.function def Dice(y_true,y_pred,threshold=0.5)
图像分割评估指标
RessCris的博客
03-17 1021
1、对真实值的每个 instance_id(除了背景0），遍历 pred 中的不同 instance，计算各自的intersection，union, IoU。这里的计算和公式似乎有点不符，公式中未配对的部分计算的是 pred 中的id，但是代码中计算的是 true 中的id？不过看其他的计算方法中，在 pred 中可以是预测的概率，直接点乘法，而不需要转换为 mask 0,1 取值的方式。get_dice_1 将所有不是大于0的数都设置为1，然后进行计算。3、将没有配对的部分加在分母上。
医学图像中常用的分割指标I
2302_77210478的博客
11-13 404
真阴性率（true negative rate，TNR）也称为特异性，它衡量的是地面真值分割中的负体素（background）部分，即其衡量的是分割实验中能正确判断不是感兴趣区域像素点的能力。IoU 是预测分割和标签之间的重叠区域除以预测分割和标签之间的联合区域（两者的交集/两者的并集），如图1所示。）也称为敏感度和召回率，它衡量的是真实背景中的阳性体素部分，即衡量的是分割实验中能分割感兴趣区域的能力。其中，Vseg是分割出的结果图，Vgt是标签。HD 用于分割指标，主要是用来度量边界的分割准确度。
评价.zip_MASD_SPE_groundtruth对比_image segmentation_图像分割 评价
07-15
对图像分割结果与groundtruth对比评价，并且可以计算三维重建后平均距离和表面最大距离
fenge.rar_OTSU图像分割_image segmentation_图像分割
07-15
图像分割是计算机视觉领域中的核心任务之一，它涉及到将一幅图像划分为多个有意义的区域或对象，以便于后续的分析和处理。在这个场景中，我们关注的是OTSU图像分割算法，这是一种广泛应用于图像处理的自动阈值选择...
image-segmentation.rar_opencv图像分割_segmentation
09-23
在图像中，这个算法通过寻找类似于地形中的局部极小值来分割图像，这些极小值就像是山脊和山谷之间的分界线。在二值图像中，分水岭算法可以有效地将物体与背景分离。 OpenCV库中的`cv::watershed()`函数实现了...
医学图像分割评判标准及程序代码
JH灰色的博客
10-22 1万+
1.图像分割指标 前言 在医学分割算法中，通常医生的手绘标注作为金标准（Ground Truth，简称GT），其他算法分割的作为预测结果（Rseg,简称SEG）。 分类问题 考虑一个二分类的情况，类别为1和0，我们将1和0分别作为正类（positive）和负类（negative），则实际分类的结果有4种，表格如下： 从这个表格中可以引出一些其它的评价指标： ACC：classification ...
图像分割必备知识点 | Dice损失 理论+代码
忽逢桃林的博客
11-25 1万+
本文包含代码案例和讲解，建议收藏，也顺便点个赞吧。欢迎各路朋友爱好者加我的微信讨论问题：cyx645016617. 在很多关于医学图像分割的竞赛、论文和项目中，发现 Dice 系数(Dice coefficient) 损失函数出现的频率较多，这里整理一下。使用图像分割，绕不开Dice损失，这个就好比在目标检测中绕不开IoU一样。 1 概述 Dice损失和Dice系数（Dice coefficient）是同一个东西，他们的关系是： DiceLoss=1−DiceCoefficientDiceLoss = 1-
医学图象分割常用损失函数(附Pytorch和Keras代码)
Philo的博客
02-16 3062
汇总了医学图象分割常见损失函数，包括Pytorch代码和Keras代码，部分代码也有运行结果图！
【代码实践】dice loss及其变形原理详细讲解和图像分割实践（含源码）
BluErroR的博客
11-21 4907
Dice Loss损失函数及其变形的原理和应用，包含源码实现，和focal loss的效果对比。有源码。
图像分割之常用损失函数-Dice Loss
m0_64524798的博客
03-15 2340
对于dice的总结
常见指标 Iou,dice,accuracy,recall,sensitivity,precision,F1-score,specificity 图解以及计算代码
LQ_001的博客
11-20 8412
图像分割IOU计算代码
python实现：图像分割指标的计算
weixin_44883789的博客
03-22 1205
Dice系数和IOU的计算方式略有不同，但它们的主要区别在于Dice系数对预测结果和真实标签的交集和并集的贡献是相等的，而IOU更加关注预测结果与真实标签的交集。其中，TP（True Positive）表示预测为正样本且标签为正样本的像素数量，FP（False Positive）表示预测为正样本但标签为负样本的像素数量，FN（False Negative）表示预测为负样本但标签为正样本的像素数量。Dice系数的取值范围在0到1之间，其值越接近1，表示预测结果与真实标签的重叠度越高，相似度越高。
医学图像分割标准Dice与IoU
新手村打蘑菇
08-20 9867
import numpy as np a=np.ones((10,5)) b=np.zeros((10,5)) A = np.c_[a,b,b,b,b] #区域是10*5，两边补0 B = np.c_[b,b,a,b,b] iou =[] dice =[] for i in range(20): A[:,[i,i+5]] = A[:,[i+5,i]] #A向右移动 C =...
深度学习图像分割：全面开源代码资源集合
这些代码链接可以帮助开发者快速入门和进阶图像分割技术。" 深度学习图像分割是计算机视觉领域的一个关键任务，它涉及将图像划分为多个有意义的区域或像素类别。这项技术广泛应用于医疗影像分析、自动驾驶、遥感...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值