Comparer des images

Analyse d'images biomédicales en Python

Stephen Bailey

Instructor

Comparer des images

les-deux-images-et-superposition

Mesures synthétiques

Objectif : définir une mesure de similarité entre deux images.

Les fonctions de coût produisent des mesures à minimiser.

Les fonctions objectif produisent des mesures à maximiser.

Erreur absolue moyenne

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)

masque-erreur

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

mae = np.mean(abs_err)
mae

29.8570

masque-erreur-absolue

Erreur absolue moyenne

Objectif : minimiser la fonction de coût

# Améliorer l'alignement de im1 sur im2
xfm=ndi.shift(im1, shift=(-8, -8))
xfm=ndi.rotate(xfm, -18,
                 reshape=False)

# Calculer le coût
abs_err = np.abs(im1 - im2)
mean_abs_err = np.mean(abs_err)

mean_abs_err

13.0376

superposition-ajustee

Intersection sur l'union

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

mask1 = im1 > 0
mask2 = im2 > 0

intsxn = mask1 & mask2
plt.imshow(intsxn)

masque-intersection

union = mask1 | mask2
plt.imshow(union)

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

0.68392

masque-union

Passons à la pratique !

Analyse d'images biomédicales en Python