jaccard
Jaccard相似系数进行图像分割
描述
例子
计算二元分割Jaccard相似性系数
读一个图像部分包含一个对象。将图像转换为灰度图,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)方法部分。
掩码= false(大小(I));面具(25:end-25 25: end-25) = true;BW = activecontour(面具,300);
读到的地面实况比较分割。
BW_groundTruth = imread (“hands1-mask.png”);
计算这个细分的Jaccard指数。
相似度= jaccard (BW, BW_groundTruth);
显示对方的面具上。颜色显示不同的面具。
BW_groundTruth图imshowpair (BW)标题([“Jaccard指数= 'num2str(相似性)))
多区分割计算Jaccard相似系数
这个例子展示了如何一个图像划分为多个区域。然后计算的例子Jaccard相似系数为每个地区。
读入图像与几个地区。
RGB = imread (“yellowlily.jpg”);
为三个区域,创建涂鸦区分典型的颜色特征。第一个区域分类黄色花。第二个区域分类绿色的茎和叶。最后一个地区分类的棕色土两个单独的补丁的形象。第4单元区域指定的向量的元素显示左上角的x和y坐标的ROI, ROI的宽度和高度的ROI。
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;
显示种子区域的图像。
图imshow (RGB)在visboundaries (BW1“颜色”,“r”);visboundaries (BW2“颜色”,‘g’);visboundaries (BW3“颜色”,“b”);标题(“种子区域”)
图像分割成三个区域使用测地线基于距离的颜色分割。
L = imseggeodesic (RGB, BW1、BW2 BW3,“AdaptiveChannelWeighting”,真正的);
加载一个地面实况图像的分割。
L_groundTruth =双(imread (“yellowlily-segmented.png”));
视觉上比较分割结果与地面真理。
图imshowpair (label2rgb (L), label2rgb (L_groundTruth),“蒙太奇”)标题(分割结果的对比(左)(右)和地面真理”)
计算Jaccard相似性指数(借据)为每个分割区域。
相似度= jaccard (L, L_groundTruth)
相似度=3×10.8861 0.5683 0.8414
Jaccard相似性指数明显较小的第二区域。这个结果是一致的视觉比较分割结果,而错误的分类图像的污垢在右下角,叶子。
