主要内容
jaccard.
图像分割的Jaccard相似系数
描述
例子
计算二进制分割的Jaccard相似度系数
读取包含段的对象的图像。将图像转换为灰度，并显示结果。
a = imread（'hands1.jpg'）;我= im2gray（a）;图imshow（i）标题（'原始图像'）
使用活动轮廓（Snakes）方法分割手。
mask = false（大小（i））;面具（25：末端-25,25：end-25）=真实;BW = ActiveContour（i，mask，300）;
读取地面真相，反对这一点来比较分割。
bw_groundtruth = imread（'hands1 mask.png'）;
计算此分段的Jaccard索引。
相似之处= Jaccard（BW，BW_groundtruth）;
在彼此顶部显示面罩。颜色表示面具的差异。
图imshowpair（bw，bw_groundtruth）标题（['Jaccard Index ='num2str（相似性）]）
计算多区域分割的Jaccard相似度系数
此示例显示如何将图像分段为多个区域。然后，该示例计算每个区域的Jaccard相似系数。
在具有若干地区的图像中读取到段。
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。第二区域对绿茎和叶子进行分类。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元素向量指定，其元素表示ROI左上角的X和Y坐标，ROI的宽度和ROI的高度。
区域1 = [350 700 425 120];％[x y w h]格式bw1 = false（大小（RGB，1），大小（RGB，2））;BW1（区域1（2）：区1（2）+区1（4），区域1（1）：区1（1）+区1（3））=真;区域2 = [800 1124 120 230];BW2 =假（大小（RGB，1），尺寸（RGB，2））;BW2（区2（2）：区2（2）+区2（4），区2（1）：区2（1）+区2（3））=真;区域3 = [20 1320 480 200;1010 290 180 240];bw3 = false（大小（RGB，1），尺寸（RGB，2））;BW3（区域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;
在图像的顶部显示种子区域。
图imshow（RGB）持有在visboundaries（bw1，'颜色'那'r'）;visboundaries（bw2，'颜色'那'G'）;visboundaries（bw3，'颜色'那'B'）;标题（'种子地区'）
使用基于测地距的颜色分割将图像分段为三个区域。
L = Imseggeodesic（RGB，BW1，BW2，BW3，'AdaptiveChanneluighting'，真的）;
加载图像的地面真相分割。
l_groundtruth = double（imread（'YellowLily-semmented.png'））;
用地面真理在视觉上比较分割结果。
图imshowpair（label2rgb（l），label2rgb（l_groundtruth），'剪辑'） 标题（'分割结果（左）和地面真理（右）的比较）
计算每个分段区域的Jaccard相似性索引（iou）。
相似之处= Jaccard（L，L_groundtruth）
相似之处=3×10.8861 0.5683 0.8414
jaccard相似性指数对于第二区域明显较小。该结果与分割结果的视觉比较一致，这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
在R2017B中介绍
您还可以从以下列表中选择一个网站：
