1

我使用区域生长从 CT 图像中分割了肝脏。我需要计算参考图像和分割区域之间的 RMS 误差。当我运行代码时，我得到 1.1146 的输出。当我重新排列输入的顺序时，我得到的值为 2.2164。我不知道我有多准确。因为，我不知道 RMS 误差的范围。第一张图像是参考图像“ref3.jpg”，第二张图像是分割图像“m5.jpg”。请帮助我。我的代码是，

%metrics.m
I=imread('ref3.jpg');
J=imread('m5.jpg');  
re2=rms_error(I,J)

----
function [er]=rms_error(A1,A2)
% A1, A2 : Matrices of same size MxN
% er : Rms error
% Author : Kamlesh Pawar

if (size(A1)~= size(A2))
    display('Matrix dimension mismatch while calculating RMS value');
    return;
end

er = sum((A1(:)-A2(:)).^2);

er=sqrt(er/size(A1(:),1));
end

参考图片 ref3.jpg 分割图像 m5.jpg

4

2 回答 2

2

您真正需要的是“基于区域的分段性能评估措施”。

我可以建议以下措施，这些措施是非常可接受的。1. 骰子系数 2. 灵敏度 3. 豪斯多夫距离 4. 平均绝对距离

计算细节请参考下图。其中 C 是图像中的像素总数，|s| 表示任何集合 s 的基数。A(s)和A(G)是分割结果和人工划定的接近边界的区域。

我还建议您对自动分割结果使用形态学开放。希望这会有所帮助。

在此处输入图像描述

于 2012-10-29T11:24:48.360 回答
0

在这里使用 RMS 误差不是很合适。RMS 误差测量 2 张图像之间的偏差幅度，如果比较由灰度值组成的图像，这很有趣。您的案例进行了分类比较：像素属于肝脏 (1) 还是不属于 (0)？我的图像在多大程度上同意？
第一种可能性是测量两个图像之间的相关性。你用corr2.
第二种可能性是 Cohen 的 kappa 统计量，或 Kappa 协议指数 (KIA)。该措施考虑到了由于偶然性而达成的协议。您可以使用该功能kappa.m，这是 Matlab Central 的一个贡献，您可以在此处找到。

于 2012-05-27T08:28:30.717 回答