C++ 有效计算随机误差

我试图比较两个图像分割。 为此，我将每个图像转换为无符号短值向量，并计算， 根据以下公式：

其中：

这是我的代码（随机误差计算部分）：

cv:：Mat im1，im2；
//用于获取im1、im2数据的代码
//复制im1（：）->v1、im2（：）->v2的代码
int N=v1.size（）；
双a=0；
双b=0；
对于（int i=0；i在阅读了您的评论后，我尝试了以下方法：

计算每对可能值的交点
使用交点结果计算误差
我直接在cv:：Mat对象上执行计算，而没有将它们转换为std:：vector对象。这使我能够使用opencv函数并实现更快的运行时间

代码：

感谢大家的帮助！
让我们假设第一幅图像中有p个不同的标签，第二幅图像中有Q个不同的标签。有效计算随机误差（也称为随机指数）的关键观察结果是，不同标签的数量通常比像素的数量小得多（即P，Q你能创建一个{value->count}的散列映射吗？这将把运行时间从O（n^2）减少到O（n）。这意味着你应该只需要外部循环（我认为）-对于每个
i
，查找
v1[i]
，结果就是你需要添加到
a
@OliverCharlesworth-排外的想法！我会试试。你不需要测试对。你只需要知道在对象的交点有多少个元素。从这些值你可以很容易地计算
a
和
b
。@VittorioPatriarca我正在读e与drorco的方法相同。我认为两个对的索引需要对应。谢谢你的回答！你的回答基于与我相同的原则（我们实际上有相同的伪代码），但由于您在不需要openCV的情况下解决了一般情况下的问题，我认为您的解决方案更一般，这就是我接受它的原因。
cv::Mat im1,im2;

//code for acquiring data for im1, im2
//code for copying im1(:)->v1, im2(:)->v2


int N = v1.size();
double a = 0;
double b = 0;
for (int i = 0; i <N; i++)
{
    for (int j = 0; j < i; j++)
    {
        unsigned short l1 = v1[i];
        unsigned short l2 = v1[j];
        unsigned short gt1 = v2[i];
        unsigned short gt2 = v2[j];
        if (l1 == l2 && gt1 == gt2)
        {
            a++;
        }
        else if (l1 != l2 && gt1 != gt2)
        {
            b++;
        }

    }
}

double NPairs = (double)(N*N)/2;
double res = (a + b) / NPairs;

double a = 0, b = 0; //init variables

//unique function finds all the unique value of a matrix, with an optional input mask
std::set<unsigned short> m1Vals = unique(mat1); 
for (unsigned short s1 : m1Vals)
{
    cv::Mat mask1 = (mat1 == s1);
    std::set<unsigned short> m2ValsInRoi = unique(mat2, mat1==s1);
    for (unsigned short s2 : m2ValsInRoi)
    {
        cv::Mat mask2 = mat2 == s2;
        cv::Mat andMask = mask1 & mask2;
        double andVal = cv::countNonZero(andMask);
        a += (andVal*(andVal - 1)) / 2;
        b += ((double)cv::countNonZero(andMask) * (double)cv::countNonZero(~mask1 & ~mask2)) / 2;
    }
}

double NPairs = (double)(N*(N-1)) / 2;
double res = (a + b) / NPairs;

//mat1 = [1 1 2]
cv::Mat mat1 = cv::Mat::ones(cv::Size(3, 1), CV_16U);
mat1.at<ushort>(cv::Point(2, 0)) = 2;

//mat2 = [1 2 1]
cv::Mat mat2 = cv::Mat::ones(cv::Size(3, 1), CV_16U);
mat2.at<ushort>(cv::Point(1, 0)) = 2;

a = 0
b = 1
NPairs = 3
result = 0.3333333