jaccard
Coeficiente de similitud de Jaccard para segmentación de imágenes
Descripción
similarity = jaccard(BW1,BW2)BW1 y BW2 dividida entre la unión de BW1 y BW2, también conocido como el índice de Jaccard. Las imágenes pueden ser imágenes binarias, imágenes de etiquetas o imágenes categóricas.
similarity = jaccard(L1,L2)L1 y L2.
similarity = jaccard(C1,C2)C1 y C2.
Ejemplos
Lea una imagen que contenga un objeto que desee segmentar. Convierta la imagen a escala de grises y muestre el resultado.
A = imread('hands1.jpg'); I = im2gray(A); figure imshow(I) title('Original Image')
Use el método de contornos activos (snakes) para segmentar la mano.
mask = false(size(I)); mask(25:end-25,25:end-25) = true; BW = activecontour(I, mask, 300);
Lea la validación (ground truth) con la que comparar la segmentación.
BW_groundTruth = imread('hands1-mask.png');Calcule el índice de Jaccard de esta segmentación.
similarity = jaccard(BW, BW_groundTruth);
Muestre las máscaras unas sobre otras. Los colores indican diferencias entre las máscaras.
figure
imshowpair(BW, BW_groundTruth)
title(['Jaccard Index = ' num2str(similarity)])
En este ejemplo se muestra cómo segmentar una imagen en múltiples regiones. Después, el ejemplo calcula el coeficiente de similitud de Jaccard para cada región.
Lea una imagen con varias regiones que desee segmentar.
RGB = imread('yellowlily.jpg');Cree garabatos para tres regiones que distingan las características típicas de su color. La primera región clasifica la flor amarilla. La segunda región clasifica el tallo y las hojas verdes. La última región clasifica la tierra marrón en dos zonas separadas de la imagen. Las regiones están especificadas por un vector de 4 elementos cuyos elementos indican las coordenadas x e y de la esquina superior izquierda de la ROI, con el ancho de la ROI y la altura de la ROI.
region1 = [350 700 425 120]; % [x y w h] format
BW1 = 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;Muestre las regiones de valor inicial sobre la imagen.
figure imshow(RGB) hold on visboundaries(BW1,'Color','r'); visboundaries(BW2,'Color','g'); visboundaries(BW3,'Color','b'); title('Seed Regions')
Segmente la imagen en tres regiones mediante segmentación geodésica basada en el color.
L = imseggeodesic(RGB,BW1,BW2,BW3,'AdaptiveChannelWeighting',true);Cargue una segmentación de validación de la imagen.
L_groundTruth = double(imread('yellowlily-segmented.png'));Compare visualmente los resultados de la segmentación con la validación.
figure imshowpair(label2rgb(L),label2rgb(L_groundTruth),'montage') title('Comparison of Segmentation Results (Left) and Ground Truth (Right)')
Calcule el índice de similitud de Jaccard para cada región segmentada.
similarity = jaccard(L, L_groundTruth)
similarity = 3×1
0.8861
0.5683
0.8414
El índice de similitud de Jaccard es claramente más pequeño en la segunda región. Este resultado es consistente con la comparación visual de los resultados de la segmentación, que por error clasifican la tierra en la esquina derecha de abajo de la imagen como hojas.
Argumentos de entrada
Argumentos de salida
Más acerca de
Historial de versiones
Introducido en R2017b
