基于OpenCV的算法标注与ground truth图像标记对比方法咨询

你之前所用的逐像素相减统计剩余像素的方法，仅能统计GT中被算法漏检的像素，既没有覆盖算法多标注的误检区域，也无法合理反馈位置偏移带来的匹配误差，因此会出现顶部漏检区域未被正确纳入统计的问题。推荐采用以下行业通用方案解决：

1 核心评估指标：IoU（交并比） #

IoU是语义分割、标注匹配场景下的标准评估指标，同时覆盖漏检、误检、位置偏移三类误差，结果可信度更高：

• 前置操作：将两张图的标注区域统一处理为二值掩码，标注区域赋值为255，背景赋值为0
• 计算交集：两个掩码同时为标注区域的像素总数
  intersection = cv2.bitwise_and(gt_mask, pred_mask).sum() / 255
• 计算并集：两个掩码任意一个为标注区域的像素总数
  union = cv2.bitwise_or(gt_mask, pred_mask).sum() / 255
• IoU计算公式：iou = intersection / union，取值范围为0~1，数值越接近1代表匹配度越高

如果需要更细维度的评估，可以额外计算两个衍生指标：

• 召回率：衡量GT中标注区域被算法正确识别的比例，刚好可以解决你提到的漏检区域未纳入统计的问题
  recall = intersection / (gt_mask.sum() / 255)
• 精确率：衡量算法输出的标注区域中符合GT的比例，可统计多标注的误检误差
  precision = intersection / (pred_mask.sum() / 255)

2 位置偏移适配优化 #

如果你的业务场景允许标注存在小范围的位置偏移，可以在计算指标前加入形态学膨胀操作抵消偏移影响，示例代码如下：

import cv2
import numpy as np

# 读取标注图并转二值掩码
gt_img = cv2.imread("ground_truth_path.png", 0)
pred_img = cv2.imread("algorithm_output_path.png", 0)
_, gt_mask = cv2.threshold(gt_img, 127, 255, cv2.THRESH_BINARY)
_, pred_mask = cv2.threshold(pred_img, 127, 255, cv2.THRESH_BINARY)

# 对GT掩码做3x3核膨胀，适配1~2像素的位置偏移，膨胀次数可根据偏移幅度调整
kernel = np.ones((3, 3), np.uint8)
gt_dilated = cv2.dilate(gt_mask, kernel, iterations=1)

# 基于膨胀后的GT计算指标
intersection = cv2.bitwise_and(gt_dilated, pred_mask).sum() / 255
union = cv2.bitwise_or(gt_mask, pred_mask).sum() / 255
final_iou = intersection / union

3 原有方案的修正 #

如果你需要沿用之前的成功率计算逻辑，可调整公式同时覆盖漏检和误检像素：
success = 1 - ((gt_mask - pred_mask).sum() + (pred_mask - gt_mask).sum()) / (2 * gt_mask.sum())
该修正方式可以统计到所有不匹配的像素，但仍然无法合理区分小范围偏移和完全错检的误差，优先级低于IoU方案。

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