如何计算MDA 代码

Mean Distance Agreement (MDA) 的计算涉及比较两个二进制掩码，其中0代表相同的类别，1代表不同的类别。下面是一个简单的 Python 示例代码来说明如何计算 MDA：

import numpy as np

def calculate_mda(mask1, mask2):
    """
    计算两个掩码的 Mean Distance Agreement (MDA)

    :param mask1: 二进制掩码1，True 表示相同类别，False 表示不同类别
    :param mask2: 二进制掩码2，同 mask1
    :return: MDA 值，范围从0到1，数值越小表示两者越一致
    """
    # 检查两个掩码的维度是否匹配
    if len(mask1.shape) != 2 or len(mask2.shape) != 2:
        raise ValueError("输入的掩码应该是二维数组")

    # 转换为布尔数组方便操作
    mask1_bool = mask1.astype(bool)
    mask2_bool = mask2.astype(bool)

    # 计算每个像素点的距离（在这里我们用 XOR 操作）
    pixel_distances = mask1_bool ^ mask2_bool

    # 计算总距离并除以总像素数得到 MDA
    total_distance = np.count_nonzero(pixel_distances)
    total_pixels = mask1.size
    mda = total_distance / total_pixels if total_pixels > 0 else 0  # 避免除以0错误

    return mda

# 使用示例
mask_a = np.array([[True, False], [True, True]])  # 示例掩码1
mask_b = np.array([[True, True], [False, True]])   # 示例掩码2
mda_value = calculate_mda(mask_a, mask_b)
print(f"MDA 值: {mda_value}")

这段代码会返回一个介于0和1之间的值，数值越接近0，表示两个掩码的一致性越高。