python中计算两张图片的Dice值代码

在Python中，你可以使用`SimpleITK`库来计算两张医学图像之间的Dice相似度（也称为Dice系数），这是衡量两个分割结果重叠程度的一个指标。以下是直接计算Dice值的基本代码示例[^1]：

from SimpleITK import ReadImage

def compute_dice_coefficient(image1_path, image2_path):
    img1 = ReadImage(image1_path)
    img2 = ReadImage(image2_path)

    intersection = img1 * img2
    img1_size = img1.TransformPhysicalPointToIndex(img1.GetSize())
    img2_size = img2.TransformPhysicalPointToIndex(img2.GetSize())

    dice = (2 * intersection.sum()) / (img1_size + img2_size)
    return dice

# 使用实际路径替换image1_path和image2_path
dice_score = compute_dice_coefficient('path_to_image1.nii.gz', 'path_to_image2.nii.gz')
print(f"Dice coefficient: {dice_score}")

这里我们首先加载两幅图像，然后通过像素级别的乘法得到它们的交集，再计算交集与各自大小的比例，即Dice值。

至于计算绝对差值得分(score)，通常用于对比分割结果中前景标签的数量差异[^2]，这部分代码可能如下所示：

foreground_labels1 = img1 == 1  # 假设前景标签为1，具体依据图像标签定义
foreground_labels2 = img2 == 1

diff = np.abs(np.sum(foreground_labels1) - np.sum(foreground_labels2))
absolute_difference_score = diff
print(f"Absolute difference score: {absolute_difference_score}")

这里假设前景标签为1，实际上需要根据你的图像标签定义进行调整。