1.创作灵感

很多小伙伴在玩深度学习模型的时候，需要计算Groudtruth和predict图的dsc、IOU以及BCELoss。这两个关键的指标的程序有很多种写法，今天使用OpenCV绘制两张已知分布的图像，计算其dsc、IOU以及BCELoss。

2、图像如图所示

在一个100×100的区域内，红色框范围为预测值，黑色框的范围是真实值。则TP、FP、TN、FN的分布如图所示。

3程序的编写

3.1 绘制图形，并保存程张量。

import torch
import torch.nn as nn
import cv2 as cv
import numpy as np


# 定义一个函数，填充绘制的轮廓
def fill_img(img):
    contours, hierarchy = cv.findContours(img, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)
    area = []
    for k in range(len(contours)):
        area.append(cv.contourArea(contours[k]))
    # 轮廓索引
    max_idx = np.argsort(np.array(area))

    # 按轮廓索引填充颜色
    for idx in max_idx:
        # 填充轮廓
        img = cv.drawContours(img, contours, idx, 255, cv.FILLED)
    return img

# 创建一个黑色的图像
image1 = np.zeros((100, 100, 1),