比较图像分割与不同颜色的真实情况

Question

我有两张图片我想比较：一张是真实图像，另一张是对用作真实来源的图像应用分割技术的结果。

我面临的问题是，即使该技术所做的分割在形状隔离方面是正确的，但颜色分配没有遵循手动分割的相同地面真实标准，从而导致更糟糕的比较。

我还在这里展示了与 cv 和 skimage 库一起使用的代码（第一个图像是原始图像，第二个是分割图像，第三个是真实图像）：

img = cv.imread(raw)  #import image
gt_img = cv.imread(GT) #import image
img = cv.cvtColor(raw, cv.COLOR_BGR2RGB) #convert it to RGB
gt_img = cv.cvtColor(GT, cv.COLOR_BGR2RGB)#convert it to RGB

labels1 = segmentation.slic(img, compactness=100, n_segments=500,
                            start_label=1,  max_num_iter=20, channel_axis = -1)
out1 = color.label2rgb(labels1, img, kind='avg', bg_label=0)
g = graph.rag_mean_color(img, labels1, mode='similarity')
labels1_NCUT = graph.cut_normalized(labels1, g)

是否有任何指标可以让我在 GT 图像和分割图像之间进行比较，从而解决不同颜色分配的问题？

Answer 1

scikit-image 提供了多种指标，您可以使用这些指标来评估

skimage.metrics

模块中的分割。 信息的变化是我个人最喜欢的。在 scikit-image 文档中有一个short example讨论信息的变化和自适应随机误差。