我的分割准确吗？

Question

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

Answer 1

您真正需要的是“基于区域的分割性能评估方法”。

我可以建议以下措施，这是非常可接受的措施。 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。

Answer 2

在这里使用 RMS 误差不是很合适。 RMS 误差衡量您的 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)？我的图片在多大程度上同意？
第一种可能性是测量两个图像之间的相关性。您使用corr2 执行此操作。
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。你可以使用 kappa.m 函数，这是 Matlab Central 的贡献，你可以找到 here。