相关系数求解笔记

最新推荐文章于 2024-02-27 11:33:35 发布

卌艹部落

最新推荐文章于 2024-02-27 11:33:35 发布

阅读量1.2k

点赞数 1

文章标签：图像处理

本文链接：https://blog.csdn.net/qq_34640628/article/details/82051640

版权

本文介绍了图像处理中验证两组数据相关性的Spearman、Pearson和Kendall相关系数，以及MAE和RMSE。接着讨论了函数拟合和批量处理图像的操作。最后，详细阐述了OpenCV中的阈值分割技术，包括二进制阈值化、自适应阈值化和双阈值化，并提供了相应的C++代码示例。

摘要由CSDN通过智能技术生成

1.验证两组数据间的相关性：Spearman相关系数（Spearman Rank-order Correlation Coefficient，SROCC），Pearson相关系数（Pearson Linear Correlation Coefficient, PLCC），Kendall相关系数（Kendall Rank-order Correlation Coefficient, KRCC），平均绝对值误差（Mean Absolute Error, MAE）和均方根误差（Root Mean Squared Error, RMSE）。

matlab代码：

X=xlsread('new.xlsx','A1:A72'); %读数据
Y1=xlsread('new.xlsx','C1:C72');

%选取72组数据，

krocc1 = corr(X , Y1 , 'type' , 'Kendall');
srocc1 = corr(X , Y1 , 'type' , 'Spearman');
plcc1 = corr(X , Y1 , 'type' , 'Pearson');

Rmse=sqrt(sum((X-Y1).^2)/72);
Mae=sum(abs(X-Y1))/72;

2.函数拟合

x1=xlsread('result.xlsx','H2:H104');
x2=xlsread('result.xlsx','C2:C104');
x3=xlsread('result.xlsx','D2:D104');
x4=xlsread('result.xlsx','E2:E104');

y=xlsread('result.xlsx','A2:A104');

p = [x1,x2,x3,x4]\y; %得到对应系数矩阵

%xlswrite('D:\experiment\result.xlsx',p,'sheet1','M');%写入excel中

3.批量处理图像

%批量操作
file_path = '.\img_r\';                      % 图像文件夹路径
img_path_list = dir(strcat(file_path,'*.jpg'));%获取该文件夹中所有jpg格式的图像
img_num = length(img_path_list);                      %获取图像总数量
%rb=[7 23 39 55 71 87 103 119 135 151 167 183 199 215 231 247];
if img_num > 0                                        %有满足条件的图像
    for j = 1:img_num                                 %逐一读取图像
         image_name = img_path_list(j).name;          % 图像名
         image = imread(strcat(file_path,image_name));
         %for m=1:1080                %行
         %    for n=1:1920             %列
          %       r = image(m,n,1);
           %      g = image(m,n,2);
            %     b = image(m,n,3);

% 操作

         %

         saveddir = 'D:\imageprocess\lianghua\';           % 图像新保存到的路径
          str=[image_name,'.png'];
         savedname = fullfile(saveddir,str); % 图像名称不变
         imwrite(image,savedname);                        % 保存图像

end
end

4.阈值分割（OpenCV）

#include <opencv2/core/cor