解释SSIM skimage.metrics.structural_similarity()

Question

我正在研究python的医学图像。我生成这个图像的二值阈值(ImageA，0，1编码)。从这个图像中，我运行一个检测算法，生成另一个图像B(也是二进制0,1编码)，目的是检测图像A中的结构，这样我就可以对它们进行计数。

为了更好地理解我的意思，我画了一个草图如下：

​

​

如您所见，图像B未能重新描述右上角的结构。不知怎么的，我想测试一下。我想知道，生成图像B的算法执行得如何，其目的是对图像A中检测到的结构进行轮廓绘制。

测试结构相似性的SSIM算法对此有用吗？它是否考虑到比较结构在图像中的位置？

我正在使用structural_similarity()函数skimage.metrics。

Answer 1

SSIM算法确实会给你所需要的:当img类似于img时，它会给你一个很好的分数。

但是，更常见的方法是使用诸如交叉超过Union (参见Intersection-over-union between two detections)的度量来度量对象检测算法的性能。对于二进制图像，交集比考虑本地特征和纹理的SSIM要直观得多。