计算两个图像的交并比IoU和Dice python

在Python中，计算两个图像的交并比（Intersection over Union，简称IoU）和Dice系数通常用于目标检测和图像分割任务中的性能评估。这两个指标都是衡量预测区域与实际区域之间的相似度。

**交并比 (IoU)**:

1. 首先，对每个预测和对应的标注区域求交集（Intersection），然后求它们的并集（Union，即两者之和）。
2. IoU = intersection / union。
3. 在Python中，可以使用`skimage.measure`模块的`union1d`和`intersection1d`函数来计算。

from skimage import measure

# 假设pred_mask和gt_mask分别是预测和真实标签的二值掩码数组
prediction = pred_mask.astype(int)
ground_truth = gt_mask.astype(int)

intersection = np.logical_and(prediction, ground_truth).sum()
union = np.sum(np.stack([prediction, ground_truth], axis=-1), axis=-1).max(axis=0) - intersection

iou = intersection / union

**Dice系数 (Dice Similarity Coefficient, DSC):**

Dice系数是IoU的一种变体，它是IoU的双倍除以两者的和加一，常用于处理类别不平衡数据：

dice = (2 * intersection + 1) / (union + prediction.sum() + ground_truth.sum())