图像处理评价指标_划分系数Vpc划分熵Vpe
划分系数划分熵
评价指标划分系数 Vpc和划分熵 Vpe能够反映分割矩阵的模糊程度，Vpc数值越大，分割矩阵的模糊性越小，分割效果越好；Vpe数值越小，像素分类越准确，分割效果越好。
（1）划分系数Vpc评价指标的定义为：
V_{pc} = sum_{i=1}^{n}sum_{k=1}^K u_{ki}^2/n
其中，K表示聚类数目，u_{ki} 是隶属度函数，表示第i个像素属于第k分类的隶属度，n是像素总数。
（2）划分熵Vpe评价指标的定义为：
V_{pe} = -sum_{i=1}^{n}sum_{k=1}^K u_{ki}*log(u_{ki})/n
Matlab代码
代码语言：javascript复制function [V_pc,V_pe_10,V_pe_e]=V_pcpe(u)
%评价函数指标 划分系数V_pc，划分熵V_pe
%% u是隶属度函数
[m,n]=size(u);
%% 划分系数V_pc
V_pc = sum(sum(u.^2))/n;
%% 划分熵V_pe
V_pe_10=-sum(sum(u.*log10(u)))/n;
V_pe_e=-sum(sum(u.*log(u)))/n;
