在matlab中图像分割评价指标代码

在MATLAB中，评估图像分割效果通常会使用一些标准指标，如像素准确率（Pixel Accuracy, PA）、区域覆盖率（Region Coverage, RC）、F-measure、Jaccard相似度（Intersection over Union, IoU）等。下面是一个简单的例子，展示如何计算IoU作为图像分割的评价指标：

% 假设我们有分割后的标签图(label)和原图(original)
label = imread('segmented_image.png'); % 替换为实际的分割结果文件名
original = imread('ground_truth.png');   % 替换为实际的 Ground Truth 图片文件名

% 转置原图和标签图，以便它们都是列向量
[~, ~, numClasses] = size(label);
label = label(:)';
original = original(:)';

% 计算每个类别的交集和并集
intersection = sum((label == 1:numClasses) & (original == 1:numClasses), 'all');
union = sum((label == 1:numClasses).^2, 'all') + sum((original == 1:numClasses).^2, 'all') - intersection;

% 计算IoU（Jaccard Index）
iou = intersection ./ union;
meanIou = mean(iou);

% 显示平均IoU值
disp(['Mean IoU: ', num2str(meanIou)]);

在这个代码里，`imread`函数用于读取图片，然后通过比较分割结果和Ground Truth，我们计算了每个类别的交集和并集，进而得到IoU。最后，我们计算所有类别的平均IoU作为整体评价。