在1D数组上使用scikit-image metrics报错的解决方法咨询

1. 解决variation_of_information和adapted_rand_error的TypeError #

这两个指标是为图像分割任务设计的，要求输入是整数类型的分割标签（比如标记每个像素所属区域的整数ID），而非连续数值的信号。你的clean_signal和noisy_signal都是float64类型的连续值，自然会触发类型错误。

修复建议： #

• 若要衡量连续信号的差异，换用适配的指标：比如mean_squared_error、修复后的peak_signal_noise_ratio、structural_similarity（需调整参数适配一维数据）。
• 若非要尝试用这两个指标（不推荐，不符合使用场景），可将信号转为整数（比如放大后取整），但结果无实际意义：

# 仅作演示，不建议用于实际任务
clean_int = (clean_signal * 10).astype(int)
noisy_int = (noisy_signal * 10).astype(int)
M.variation_of_information(noisy_int, clean_int)
M.adapted_rand_error(noisy_int, clean_int)

2. 解决peak_signal_noise_ratio的ValueError #

PSNR默认假设输入是标准图像格式的数值范围（比如uint8的0-255、float的0-1），但你的clean_signal取值范围是1到9.9，超出了默认预期，因此需要手动指定data_range参数，值为真实信号的最大值减去最小值。

修复代码： #

# 计算真实信号的数值范围
data_range = clean_signal.max() - clean_signal.min()
# 手动传入data_range参数
M.peak_signal_noise_ratio(noisy_signal, clean_signal, data_range=data_range)

完整可运行代码 #

import numpy as np 
import skimage.metrics as M

clean_signal = np.arange(1,10, .1)
noisy_signal = clean_signal + np.random.normal(0,1,90)

# 正常运行的MSE指标
mse = M.mean_squared_error(noisy_signal, clean_signal)
print(f"MSE: {mse}")

# 修复后的PSNR指标
data_range = clean_signal.max() - clean_signal.min()
psnr = M.peak_signal_noise_ratio(noisy_signal, clean_signal, data_range=data_range)
print(f"PSNR: {psnr}")

# 分割指标的演示用法（不推荐）
clean_int = (clean_signal * 10).astype(int)
noisy_int = (noisy_signal * 10).astype(int)
vi = M.variation_of_information(noisy_int, clean_int)
print(f"Variation of Information: {vi}")

内容的提问来源于stack exchange，提问作者Bharat Sharma