如何用matlab算出图像分割的正确率

图像分割的正确率通常用像素准确度（Pixel Accuracy）和平均准确度（Mean Accuracy）来衡量。

像素准确度是指分类正确的像素数占总像素数的比例。在matlab中，可以通过计算分类结果和真实标签对应像素的相同个数来计算像素准确度，具体代码如下：

% 读取分类结果和真实标签
img_result = imread('result.png');
img_label = imread('label.png');

% 计算像素准确度
pa = sum(img_result(:) == img_label(:)) / numel(img_label);

其中，`result.png`是分类结果图像，`label.png`是真实标签图像。

平均准确度是指每个类别的分类正确率的平均值。在matlab中，可以通过计算每个类别的混淆矩阵（Confusion Matrix）来计算平均准确度，具体代码如下：

% 计算混淆矩阵
cm = confusionmat(img_label(:), img_result(:));

% 计算每个类别的分类正确率
correct_rate = zeros(size(cm,1),1);
for i = 1:size(cm,1)
    correct_rate(i) = cm(i,i) / sum(cm(i,:));
end

% 计算平均准确度
ma = mean(correct_rate);

其中，`confusionmat`函数可以计算混淆矩阵，`size(cm,1)`表示类别数。

计算完像素准确度和平均准确度后，可以根据实际需求选择一个或两个指标来评价图像分割的正确率。