浅谈ROC曲线的最佳阈值如何选取
时间：2020-12-01 12:23:06 | 栏目：Python代码 | 点击：次
为了获取ROC曲线的最佳阈值，需要使用一个指标--约登指数，也称正确指数。
借助于matlab的roc函数可以得出计算。
% 1-specificity = fpr % Sensitivity = tpr; [tpr,fpr,thresholds] =roc(Tar',Val'); RightIndex=(tpr+(1-fpr)-1); [~,index]=max(RightIndex); % RightIndexVal=RightIndex(index(1)); tpr_val=tpr(index(1)); fpr_val=fpr(index(1)); thresholds_val=thresholds(index(1)); disp(['平均准确率： ',num2str((RightIndexVal+1)*0.5)]); disp(['最佳正确率： ',num2str(tpr_val)]) disp(['最佳错误率： ',num2str(fpr_val)])
至此计算结束了。
补充拓展：利用阈值分割目标图像
一．全局阈值
方法一：OTSU方法
otsu法（最大类间方差法，有时也称之为大津算法）使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。 所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。因此,使类间方差最大的分割意味着错分概率最小。
选择阈值k，把像素分为两类：
T=graythresh(f)即可实现用方法一计算归一化的阈值。
二．局域阈值
当背景照度不均匀时，全局阈值方法可能失效，此时，用局域变化的阈值函数T(x,y)分割图像f(x,y)：
matlab实现程序：
clear all;close all;clc;
I=imread('C:\Users\ASUS\Desktop\图像处理学习文件\大二下\使用阈值分割目标_15\Fig0926(a)(rice).tif');
figure
imshow(I)
title('original image')
k=graythresh(I);
I1=im2bw(I,k);
figure
imshow(I1)
se=strel('disk',10); %产生半径为10的圆盘形结构元素
fo=imopen(I1,se); %用结构元素对灰度图像进行开运算
figure
imshow(fo)
title('Opened image')
f2=imtophat(I,se); %用原图像减去开运算图像，即对图像进行顶帽运算
figure
imshow(f2,[]) %显示顶帽运算结果
title('Top-hat transformation')
f2=im2double(f2);
T=graythresh(f2);
bw2=im2bw(f2,T); %对顶帽处理后的图像进行阈值处理
figure
imshow(bw2,[])
title('Thresholded top-hat image') %显示阈值处理后的顶帽图像