强烈建议参考如下两篇文章

Performance measure characterization for evaluating neuroimage segmentation algorithms

Metrics for evaluating 3D medical imagesegmentation: analysis, selection, and tool

main function （输入图像SEG 和 GT 分别为算法分割结果图像、分割金标准图像。对于多类分割的图像，需要先取出SEG和GT中对应的各类，然后使用下述函数单独计算该类。）:

1. % test all segmentation metric functions  
2. SEG = imread('0.png');  
3. GT = imread('1.png');  
4.   
5. % binarize  
6. SEG = im2bw(SEG, 0.1);  
7. GT = im2bw(GT, 0.1);  
8.   
9. dr = Dice_Ratio(SEG, GT)  
10. hd = Hausdorff_Dist(SEG, GT)  
11. jaccard = Jaccard_Index(SEG, GT)  
12. apd = Avg_PerpenDist(SEG, GT)  
13. confm_index = ConformityCoefficient(SEG, GT)  
14. precision = Precision(SEG, GT)  
15. recall = Recall(SEG, GT)  

1. function dr = Dice_Ratio(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % dice ratio  
4.     dr = 2*double(sum(uint8(SEG(:) & GT(:)))) / double(sum(uint8(SEG(:))) + sum(uint8(GT(:))));  
5. end 

1. function hd = Hausdorff_Dist(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % erode element  
4.     s = cat(3, [0 0 0 ; 0 1 0 ; 0 0 0], [0 1 0 ; 1 1 1 ; 0 1 0], [0 0 0 ; 0 1 0 ; 0 0 0]);  
5.     % generate boundary  
6.     Boundary_SEG = logical(SEG) & ~imerode(logical(SEG), s);  
7.     Boundary_GT = logical(GT) & ~imerode(logical(GT), s);  
8.     % distance to nearest boundary point  
9.     Dist_SEG = bwdist(Boundary_SEG, 'euclidean');  
10.     Dist_GT = bwdist(Boundary_GT, 'euclidean');  
11.     % distance to another boundary  
12.     min_S2G = sort(Dist_GT( Boundary_SEG(:) ), 'ascend');  
13.     min_G2S = sort(Dist_SEG( Boundary_GT(:) ), 'ascend');  
14.     % hausdorff distance  
15.     hd = max(min_S2G(end), min_G2S(end));  
16. end  

1. function jaccard = Jaccard_Index(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % jaccard index  
4.     jaccard = double(sum(uint8(SEG(:) & GT(:)))) / double(sum(uint8(SEG(:) | GT(:))));  
5. end 

1. function apd = Avg_PerpenDist(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % erode element  
4.     s = cat(3, [0 0 0 ; 0 1 0 ; 0 0 0], [0 1 0 ; 1 1 1 ; 0 1 0], [0 0 0 ; 0 1 0 ; 0 0 0]);  
5.     % generate boundary  
6.     Boundary_SEG = logical(SEG) & ~imerode(logical(SEG), s);  
7.     Boundary_GT = logical(GT) & ~imerode(logical(GT), s);  
8.     % distance to nearest boundary point  
9.     Dist_GT = bwdist(Boundary_GT, 'euclidean');  
10.     % distance to another boundary  
11.     min_S2G = Dist_GT( Boundary_SEG(:) );  
12.     % average perpendicular distance from SEG to GT  
13.     apd = sum(min_S2G(:)) / length(min_S2G(:));  
14. end  

1. function confm_index = ConformityCoefficient(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % dice ratio  
4.     dr = 2*double(sum(uint8(SEG(:) & GT(:)))) / double(sum(uint8(SEG(:))) + sum(uint8(GT(:))));  
5.     % conformity coefficient  
6.     confm_index = (3*dr - 2) / dr;  
7. end  

1. function precision = Precision(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % precision  
4.     precision = double(sum(uint8(SEG(:) & GT(:)))) / double(sum(uint8(SEG(:))));  
5. end 

1. function recall = Recall(SEG, GT)  
2.     % SEG, GT are the binary segmentation and ground truth areas, respectively.  
3.     % recall  
4.     recall = double(sum(uint8(SEG(:) & GT(:)))) / double(sum(uint8(GT(:))));  
5. end