我們在用一個算法對一幅圖像進行分割之後，總會面臨這樣一個問題，分割的結果到底好不好。用眼睛可以看出好壞，但這只是主觀的好壞，如何量化的對分割的結果進行評價呢，這是這篇文章我要討論的主題。
我查閱過很多方法，包括ROC曲線，Dice重合率等等，要麼是我理解不好，要麼是難以實現。下面的代碼，將基於GT（ground truth）圖像計算分割圖像的分割精度、過分割率、欠分割等指標來評估算法的分割結果。
首先簡要介紹一下相關概念
GT（ground truth）圖像:我理解的就是含有理論分割結果的圖像，用來和結果圖像進行比較的參照圖像。那麼GT圖像怎麼來，一般通過專家手工勾畫出來，得到理論值。當然爲避免偶然性，你可以選擇多個專家，得到多個GT分割結果，取各項評估參數的平均值。
分割精度：個人理解就是分割準確的面積佔GT圖像中真實面積的百分比。找了半天找了這麼個公式（如下）。
不難理解，其中Rs表示專家手工勾畫出的分割圖像的參考面積，Ts表示算法分割得到的圖像的真實面積，|Rs-Ts|表示錯誤分割的像素點個數。
過分割率：即分割在GT圖像參考面積之外的像素點的比率，計算公式如下：
含義同上，Os表示本不應該包含在分割結果中的像素點個數，實際卻在分割結果中的像素點個數。換句話講，Os中的像素點出現在實際分割圖像中，但不出現在理論分割圖像Rs中。
欠分割率：即分割在GT圖像參考面積之中欠缺的像素點的比率，計算的公式如下：
含義同上，Us表示本應該包含在分割結果中的像素點個數，實際卻不在分割結果中的像素點個數。換句話講，Us中的像素點出現在理論分割圖像中，但不出現在實際分割圖像中。
好了，理論介紹完了，下面看一下效果和代碼吧，我把我做頭髮分割的結果拿來做一下測試。
測試結果如下：
計算的各類參數如下：
