ドキュメンテーションヘルプ センター
最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英语でご覧になれます。
イメージセグメンテーションのための索伦森-骰子类似度系数
相似性=骰子(BW1,BW2)
相似性=骰子(L1,L2)
相似=骰子(C1,C2)
例
相似性=骰子(BW1号,BW2型)は、バイナリ イメージBW1号とBW2型伦森骰子
相似性=骰子(BW1号,BW2型)
相似性
BW1号
BW2型
相似性=骰子(L1,L2)は、ラベル イメージL1とL2の各ラベルの Dice 指数を計算します。
相似性=骰子(L1,L2)
L1
L2
相似性=骰子(C1类,指挥控制)分类的C1类と指挥控制の各カテゴリの骰子指数を計します
相似性=骰子(C1类,指挥控制)
C1类
指挥控制
すべて折りたたむ
セグメント化するオブジェクトを含むイメージを読み取ります。イメージをグレースケールに変換し、結果を表示します。
A=读('hands1.jpg');I = rgb2gray(A); figure imshow(I) title('原始图像')
动的轮郭(蛇)を使用して手をセグメント化します。
mask = false(size(I)); mask(25:end-25,25:end-25) = true; BW = activecontour(I, mask, 300);
グラウンド トゥルース セグメンテーションを読み取ります。
BW_groundTruth = imread('hands1-mask.png');
動的輪郭セグメンテーションの Dice 指数をグラウンド トゥルースと比較して計算します。
相似性=骰子(BW,BW_groundTruth);
マスクを重ねて表示します。色はマスクの違いを示します。
图imshowpair(BW,BW_groundTruth)标题(['骰子索引'num2str(相似度)])
骰子
セグメント化する複数の領域を含むイメージを読み取ります。
RGB = imread('yellowlily.jpg');
土が2つのイメージのパッチにのれて分類されます領域は、要素が ROI の左上隅の x 座標と y 座標、ROI の幅、および ROI の高さを示す 4 要素ベクトルで指定されます。
region1 = [350 700 425 120];%[x y w h]格式BW1号= false(size(RGB,1),size(RGB,2)); BW1(region1(2):region1(2)+region1(4),region1(1):region1(1)+region1(3)) = true; region2 = [800 1124 120 230]; BW2 = false(size(RGB,1),size(RGB,2)); BW2(region2(2):region2(2)+region2(4),region2(1):region2(1)+region2(3)) = true; region3 = [20 1320 480 200; 1010 290 180 240]; BW3 = false(size(RGB,1),size(RGB,2)); BW3(region3(1,2):region3(1,2)+region3(1,4),region3(1,1):region3(1,1)+region3(1,3)) = true; BW3(region3(2,2):region3(2,2)+region3(2,4),region3(2,1):region3(2,1)+region3(2,3)) = true;
イメージの上にシード領域を表示します。
图imshow(RGB)保持上边界(BW1,'Color',“r”);视界(BW2,'Color',“g”);视界(BW3,'Color',“b”);标题('种子区域')
测地线距离ベースの色のセグメンテーションを使用して,イメージを3领域にセグメント化します。
L=imseg测地线(RGB,BW1,BW2,BW3,'自适应信道加权',正确);
イメージのグラウンド トゥルース セグメンテーションを読み込みます。
L_groundTruth =双(imread(“黄花菜-分段.png'));
セグメンテーションの結果をグラウンド トゥルースと視覚的に比較します。
图imshowpair(label2rgb(L),label2rgb(L_groundTruth),'蒙太奇')标题('分割结果比较(左)和基本真实(右)')
セグメント化された領域ごとに骰子類似度係数を計します
相似性=dice(L, L_groundTruth)
相似性=3×10.9396 0.7247 0.9139
骰子类似度系数は2番目の领域で顕着に小さくなります。この结果は,イメージの右下隅の土を叶として误って分类するセグメンテーション结果の视覚的な比较と一致しています。
最初のバイナリ イメージ。任意の次元の logical 配列として指定します。
データ型:符合逻辑的
符合逻辑的
2 番目のバイナリ イメージ。BW1号と同じサイズの逻辑列として指します
最初のラベル イメージ。非負の整数から成る任意の次元の配列として指定します。
データ型:double
double
2番目のラӧルイメージL1と同じサイズの非負の整数から成る配列として指定します。
categorical
初の分类イメージcategorical配列として指定します。
データ型:カテゴリ
カテゴリ
2番目の分类イメージ。C1类と同じサイズのcategorical配列として指定します。
ます相似性四万四千五百四十
バイナリ イメージ。相似性はスカラーです。
ラベル イメージ。相似性はベクトルで、最初の係数はラベル 1 の Dice 指数、2 番目の係数はラベル 2 の Dice 指数となり、以下同様です。
分类イメージ。相似性骰子、骰子
2つの集合AおよびBの骰子類似度係数は次ヒうに表されます
dice(A,B)=2*|交叉(A,B)|/(| A | + | B |)
dice
交叉
に関して次のように表すこともできます
dice(A,B)=2*TP / ( 2 * TP + FP + FN)
Dice 指数は、次の式のように Jaccard 指数に関連します。
dice(A,B)=2*jaccard(A,B)/(1)+jaccard(甲、乙)
jaccard
B分数|jaccard
B分数
この例の変更されたバージョンがシステム上にあります。代わりにこのバージョンを開きますか?
MATLABのコマンドを実するリンクがクリッスれました
のコマンドを実できます
选择一个网站以获取可用的翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
You can also select a web site from the following list:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家/地区网站未针对您所在位置的访问进行优化。
Contact your local office