骰子
图像分割的Sørensen-Dice相似系数
描述
例子
计算骰子相似系数的二值分割
读取带有要分割对象的图像。将图像转换为灰度，并显示结果。
一个= imread ('hands1.jpg'）;I = rgb2gray(一个);图imshow(我)标题(原始图像的）
使用主动轮廓(蛇)分割手。
mask = false（大小（i））;面具（25：末端-25,25：端25）=真;BW = ActiveContour（i，mask，300）;
读在地面真理分割。
bw_groundtruth = imread（'hands1-mask.png'）;
计算活动轮廓分割的骰子索引与地面真相。
相似度=骰子;
将蒙版相互叠加显示。颜色表示掩模的不同。
图imshowpair(BW, BW_groundTruth)标题(['骰子索引= 'num2str（相似性）]）
计算骰子相似系数的多区域分割
这个例子展示了如何将图像分割成多个区域。然后，该示例计算每个区域的Dice相似系数。
读取具有多个区域的图像进行分割。
rgb = imread（'YellowLily.jpg'）;
为三个区域创建涂鸦，以区分其典型颜色特征。第一个区域对黄色花进行分类。第二个区域对绿茎和叶子分类。最后一个区域将棕色污垢分类为两个单独的图像斑块。区域由4元件向量指定，其元素指示ROI左上角的X和Y坐标，ROI的宽度和ROI的高度。
Region1 = [350 700 425 120];% [x y w h]格式bw1 = false（尺寸（RGB，1），大小（RGB，2））;BW1（区域1（2）：区1（2）+区1（4），区1（1）：区1（1）+区1（3））=真;区域2 = [800 1124 120 230];BW2 =假（大小（RGB，1），大小（RGB，2））;BW2（区2（2）：区2（2）+区2（4），区2（1）：区2（1）+区2（3））=真;Region3 = [20 1320 480 200;1010 290 180 240];bw3 = false（大小（RGB，1），大小（RGB，2））;BW3（区3（1,2）：区3（1,2）+区3（1,4），区3（1,1）：区3（1,1）+区3（1,3））=真;BW3（区域3（2,2）：区3（2,2）+区3（2,4），区3（2,1）：区3（2,1）+区3（2,3））=真;
将种子区域显示在图像的顶部。
图imshow（RGB）保持在visboundaries (BW1'颜色'，“r”）;visboundaries (BW2'颜色'，‘g’）;visboundaries (BW3'颜色'，“b”）;标题（“种子区域”）
将图像分段为三个区域，使用基于测地距离的颜色分割。
L = imseggeodesic (RGB, BW1、BW2 BW3,“AdaptiveChannelWeighting”,真正的);
加载一个ground truth分割的图像。
l_groundtruth = double（imread（“yellowlily-segmented.png”));
将分割结果与ground truth进行直观比较。
图imshowpair (label2rgb (L), label2rgb (L_groundTruth),“蒙太奇”） 标题（“分割结果的比较(左)和地面真相(右)”）
计算骰子相似指数为每个分割区域。
相似度=骰子(L, L)
相似度=3×10.9396 0.7247 0.9139
第二个区域的Dice相似指数明显较小。这一结果与分割结果的视觉比较是一致的，分割结果错误地将图像右下角的污垢分类为叶子。
输入参数
输出参数
更多关于
介绍了R2017b
您还可以从以下列表中选择一个网站：
