文章目录 SyntaxDescriptionExamples
gjdcb相似系数用于图像分割
Syntax similarity = jaccard(BW1,BW2)similarity = jaccard(L1,L2)similarity = jaccard(C1,C2) Description similarity = jaccard（BW1，BW2）计算二进制图像BW1和BW2的交集除以BW1和BW2的并集，也称为Jaccard索引。 图像可以是二进制图像，标签图像或分类图像。similarity = jaccard（L1，L2）为标签图像L1和L2中的每个标签计算Jaccard索引。similarity = jaccard（C1，C2）为分类图像C1和C2中的每个类别计算Jaccard索引。 Examples
计算Jaccard相似度系数进行二进制分割
clear allclose allclc%读取包含要分割的对象的图像。 将图像转换为灰度，然后显示结果。A = imread('hands1.jpg');I = rgb2gray(A);figureimshow(I)title('Original Image')%使用活动轮廓（蛇形）方法分割手mask = false(size(I));mask(25:end-25,25:end-25) = true;BW = activecontour(I, mask, 300);%阅读与该细分进行比较的基本事实。BW_groundTruth = imread('hands1-mask.png');%计算此细分的Jaccard索引。similarity = jaccard(BW, BW_groundTruth);%将遮罩彼此重叠显示。 颜色表示蒙版的差异。figureimshowpair(BW, BW_groundTruth)title(['Jaccard Index = ' num2str(similarity)])
用于多区域分割的Jaccard相似系数计算
此示例演示如何将图像分割为多个区域。然后，该示例计算每个区域的Jaccard相似系数。
clear allclose allclcRGB = imread('yellowlily.jpg');%创建三个区域的涂鸦，以区分其典型的颜色特征。第一个区域对黄花进行分类。第二个区域对绿色茎和叶进行分类。%最后一个区域将棕色污垢划分为两个单独的图像块。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。region1 = [350 700 425 120]; % [x y w h] formatBW1 = 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;%在图像顶部显示种子区域。figureimshow(RGB)hold onvisboundaries(BW1,'Color','r');visboundaries(BW2,'Color','g');visboundaries(BW3,'Color','b');title('Seed Regions')%使用基于测地距离的颜色分割将图像分为三个区域。L = imseggeodesic(RGB,BW1,BW2,BW3,'AdaptiveChannelWeighting',true);%加载图像的地面真实分割。L_groundTruth = double(imread('yellowlily-segmented.png'));%在视觉上将分割结果与基本事实进行比较。figureimshowpair(label2rgb(L),label2rgb(L_groundTruth),'montage')title('Comparison of Segmentation Results (Left) and Ground Truth (Right)')%计算每个分段区域的Jaccard相似性指数（IoU）。similarity = jaccard(L, L_groundTruth)%对于第二区域，Jaccard相似性指数明显较小。 该结果与分割结果的视觉比较一致，该结果将图像右下角的污垢错误地分类为叶子。
similarity = 3×1 0.8861 0.5683 0.8414