比较图像

Python 中的生物医学图像分析

Stephen Bailey

Instructor

比较图像

两图与堆叠

汇总度量

目标：定义两幅图像的相似性度量。

成本函数生成需最小化的度量。

目标函数生成需最大化的度量。

平均绝对误差

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)

误差掩码

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

mae = np.mean(abs_err)
mae

29.8570

绝对误差掩码

平均绝对误差

目标：最小化成本函数

# 改善 im1 与 im2 的对齐
xfm=ndi.shift(im1, shift=(-8, -8))
xfm=ndi.rotate(xfm, -18,
                 reshape=False)

# 计算成本
abs_err = np.abs(im1 - im2)
mean_abs_err = np.mean(abs_err)

mean_abs_err

13.0376

调整后的叠加

交并比（IoU）

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

mask1 = im1 > 0
mask2 = im2 > 0

intsxn = mask1 & mask2
plt.imshow(intsxn)

掩码交集

union = mask1 | mask2
plt.imshow(union)

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

0.68392

掩码并集

Passons à la pratique !

Python 中的生物医学图像分析