Porównywanie obrazów

Analiza obrazów biomedycznych w Pythonie

Stephen Bailey

Instructor

Porównywanie obrazów

oba obrazy i nakładka

Metryki podsumowujące

Cel: zdefiniowanie miary podobieństwa między dwoma obrazami.

Funkcje kosztu dostarczają miar do minimalizacji.

Funkcje celu dostarczają miar do maksymalizacji.

Średni błąd bezwzględny

import imageio.v2 as imageio
import numpy as np
i1=imageio.imread('OAS1035-v1.dcm')
i2=imageio.imread('OAS1035-v2.dcm')

err = i1 - i2

plt.imshow(err)

błąd maski

abs_err = np.abs(err)
plt.imshow(abs_err)

mae = np.mean(abs_err)
mae

29.8570

bezwzględny błąd maski

Średni błąd bezwzględny

Cel: minimalizacja funkcji kosztu

# Improve im1 alignment to im2
xfm=ndi.shift(im1, shift=(-8, -8))
xfm=ndi.rotate(xfm, -18,
                 reshape=False)

# Calculate cost
abs_err = np.abs(im1 - im2)
mean_abs_err = np.mean(abs_err)

mean_abs_err

13.0376

dostosowana nakładka

Przecięcie sumy

$$ IOU = \frac{I_1 \cap I_2 }{I_1 \cup I_2}$$

mask1 = im1 > 0
mask2 = im2 > 0

intsxn = mask1 & mask2
plt.imshow(intsxn)

przecięcie masek

union = mask1 | mask2
plt.imshow(union)

iou = intsxn.sum() / union.sum()
iou

0.68392

suma masek

Czas na ćwiczenia!

Analiza obrazów biomedycznych w Pythonie