【人工智慧學習總結3】圖像的相似度衡量指標、二值化方法評估指標（二）

Email：gong5264@mail.ustc.edu.cn

原創內容，轉載請標明

本人水平有限，如有錯誤還請批評指正

微博：宮帥USTC

參考的文獻在最後。

目錄：

一：二值化方法評估指標

均方誤差 MSE（mean squared error

峰值信噪比 PSNR (Peak Signal to Noise Ratio)

F指標 F-Measure (FM)

Negative Rate Metric (NRM)

二：其他可能會用到的一些code block

MAC上面有時報錯可能需要刪除 .DS_Store ：

創建一個包含文件夾中所有圖像文件的文件名列表:

求PSNR

創建文件夾

查找特定文件

保存文件

大津法二值化

三：參考文獻

相關理論知識參考：

宮帥USTC：【人工智慧學習總結3】圖像的相似度衡量指標、二值化方法評估指標（一）以及相關參考文獻，在文末.

代碼中 代表換行

注意這裡的指標針對的是二值化任務。

1. 峰值信噪比 PSNR (Peak Signal to Noise Ratio)：

(1)均方誤差 MSE（mean squared error ）：

from sklearn.metrics import mean_squared_error#定義MSE，兩張圖片需要具有相同的維度def mse(imageA, imageB): err = mean_squared_error(imageA[:,:,2], imageB[:,:,2]) return err

(2)峰值信噪比 PSNR:

#定義PSNRdef psnr(imageA, imageB): MSE = mse(imageA, imageB) PSNR = 20*math.log10(255./MSE) return PSNR

2. F指標 F-Measure (FM):

(1)定義 TP, FP, FN, TN:

#定義 TP, FP, FN, TNdef tp (original, contrast): return np.sum(np.multiply((original==0).astype(int), (contrast==0).astype(int)))def fp (original, contrast): return np.sum(np.multiply((original==0).astype(int), (contrast!=0).astype(int)))def fn (original, contrast): return np.sum(np.multiply((original!=0).astype(int), (contrast==0).astype(int)))def tn (original, contrast): return np.sum(np.multiply((original!=0).astype(int), (contrast!=0).astype(int)))#TP = tp (original, contrast)#FP = fp (original, contrast)#FN = fn (original, contrast)#TN = tn (original, contrast)

（2）定義 Recall, Precision：

#定義 Recall, Precisiondef Recsll(TP, FN): recall = ((TP) / (TP + FN))*100 return recall def Precision(TP, FP): precision = ((TP) / (TP + FP))*100 return precision

（3）定義F1_measure：

#定義F1_measuredef F1measure(precision, recall): f1measure = 2*precision*recall / (precision+recall) return f1measure

3. Negative Rate Metric (NRM)

(1)定義 NRM:

#定義 NRMdef Nrm(TP, FP, FN, TN): nrm = 0.5*(FN / (FN+TP)+FP/(FP+TN)) return nrm

4. 其他可能會用到的一些code block

import numpy as npimport cv2import mathfrom matplotlib import pyplot as pltfrom PIL import Imagefrom pylab import *import osfrom sklearn.metrics import mean_squared_error%matplotlib inline

(1) MAC上面有時報錯可能需要刪除 .DS_Store ：

!rm -fr ../testGT/.DS_Store

(2) 創建一個包含文件夾中所有圖像文件的文件名列表:

#分別是Ground Truth 和 二值化後的圖片文件夾path = "/Users/gongshuai/Desktop/ICFHR2016/Challenge1/TestBin"pathB = "/Users/gongshuai/Desktop/ICFHR2016/Challenge1/testGT"print(os.listdir(path)[:3])#創建一個包含文件夾中所有圖像文件的文件名列表(包含路徑)def get_imlist(path): return [os.path.join(path,f) for f in os.listdir(path)]imlist= get_imlist(path)imlistB = get_imlist(pathB)##創建一個包含文件夾中所有圖像文件的文件名列表(不包含路徑)imlist_name = os.listdir(path)imlistB_name = os.listdir(pathB)print(imlist[:2])print(imlistB[:2])print(imlist_name[:3])print(imlistB_name[:3])

(3) 求PSNR

PSNR = 0for b in range(len(imlist_name)): i = imlistB_name.index(imlist_name[b]) original = cv2.imread(imlist[b]) contrast = cv2.imread(imlistB[i]) PSNR += psnr(original, contrast) # print(PSNR)print(PSNR / 50.0)

（4）創建文件夾：

if os.path.exists(output_dir): shutil.rmtree(output_dir) os.makedirs(output_dir)

if not os.path.exists(out_folder): os.makedirs(out_folder)else: print("WARNING: path exists - ", out_folder)

（5）查找特定文件：

mage_paths = glob(os.path.join(data_folder, image_2, *.png))

（6）保存文件：

misc.imsave(os.path.join(save_dir, name + ".png"), image)

(7)大津法二值化：

path = "/Users/gongshuai/Desktop/ICFHR2016/Challenge1/Test"#創建一個包含文件夾中所有圖像文件的文件名列表def get_imlist(path): return [os.path.join(path,f) for f in os.listdir(path)]imlist = get_imlist(path)

#讀取每張圖片，並且使用大津法處理for infile in imlist : #print(infile) image = cv2.imread(infile) image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret2, th2 = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # print(th2) plt.imshow(th2, "gray") plt.show() outfile = os.path.splitext(infile)[0] + "B.jpg" # print(outfile) cv2.imwrite(outfile, th2)

三：參考文獻

1.

宮帥USTC：【人工智慧學習總結3】圖像的相似度衡量指標、二值化方法評估指標（一）zhuanlan.zhihu.com

2.

sklearn.metrics.f1_score - scikit-learn 0.19.1 documentationscikit-learn.org

3.

Downloadamadi.univ-lr.fr

4. Burie, Jean-Christophe, et al. "ICFHR2016 Competition on the Analysis of Handwritten Text in Images of Balinese Palm Leaf Manuscripts." Frontiers in Handwriting Recognition (ICFHR), 2016 15th International Conference on. IEEE, 2016.

5.

motatoes/image-binarizationgithub.com
推薦閱讀：