骰子
用于图像分割的Sørensen-Dice相似系数
描述
例子
二值分割中计算骰子相似系数
读取带有要分割的对象的图像。将图像转换为灰度，并显示结果。
一个= imread (“hands1.jpg”）;I = im2gray(一个);图imshow(我)标题(原始图像的）
使用主动轮廓(蛇形)分割手。
掩码= false(大小(I));面具(25:end-25 25: end-25) = true;BW = activecontour(I, mask, 300);
读在地面真理分割。
BW_groundTruth = imread (“hands1-mask.png”）;
根据地面真相计算活动轮廓分割的Dice索引。
相似度=骰子(BW, BW_groundTruth);
把面具叠在一起展示。颜色表示面具的不同。
图imshowpair(BW, BW_groundTruth) title([“骰子指数=”num2str(相似性)))
计算多区域分割的骰子相似系数
这个例子展示了如何将一个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。
读取有几个区域要分割的图像。
RGB = imread (“yellowlily.jpg”）;
为三个区域创建涂鸦，区分它们的典型颜色特征。第一个区域将黄花分类。第二个区域对绿色茎叶进行分类。最后一个区域将棕色污垢分为图像的两个单独的小块。区域由一个4元素向量指定，其元素表示ROI左上角的x坐标和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(大小(RGB, 1),大小(RGB, 2));BW1 (region1 (2): region1 region1 (2) + (4), region1 (1): region1 (1) + region1 (3)) = true;Region2 = [800 1124 120 230];BW2 = false(大小(RGB, 1),大小(RGB, 2));BW2 (region2 (2): region2 region2 (2) + (4), region2 (1): region2 (1) + region2 (3)) = true;Region3 = [20 1320 480 200;1010 290 180 240];BW3 = false(大小(RGB, 1),大小(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;
在图像的顶部显示种子区域。
imshow (RGB)在visboundaries (BW1“颜色”，“r”）;visboundaries (BW2“颜色”，‘g’）;visboundaries (BW3“颜色”，“b”）;标题(“种子区域”）
利用基于测地线距离的颜色分割将图像分割为三个区域。
L = imseggeodesic (RGB, BW1、BW2 BW3,“AdaptiveChannelWeighting”,真正的);
加载图像的ground truth分割。
L_groundTruth =双(imread (“yellowlily-segmented.png”));
将分割结果与地面真实情况进行比较。
图蒙太奇({label2rgb (L), label2rgb (L_groundTruth)})标题(“分割结果(左)与Ground Truth(右)的比较”）
计算每个分割区域的Dice相似指数。第二个区域的Dice相似指数明显更小。这一结果与视觉对比的分割结果一致，将图像右下角的污垢错误地归类为树叶。
相似度=骰子(L, L_groundTruth)
相似度=3×10.9396 0.7247 0.9139
输入参数
输出参数
更多关于
版本历史
介绍了R2017b
您也可以从以下列表中选择网站: