我有两个列表，分别包含真实图像和预测图像。这两个列表都包含二值图像。我需要获取这两个列表之间的准确率、F1分数、召回率和精确率报告。

可以使用sklearn.metrics.classification_report来获取预测值和真实值之间的分类报告，但它只接受一维数组。

http://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

如何修改它以获取包含二值图像的两个图像列表之间的分类报告？或者是否有更好的方法来执行此操作？我的代码如下：

import osimport cv2import numpy as np from sklearn.metrics import confusion_matrix from sklearn.metrics import accuracy_score from sklearn.metrics import classification_reportpath_pred = "absolute_path/pred"pred_list = next(os.walk(path_pred))[2]true_list_new=[]pred_list_new=[]for img in pred_list:    pred_img=cv2.imread("absolute_path/pred/%s" % img)    true_img=cv2.imread("absolute_path/true/%s" % img)    true_list_new.append(true_img)    pred_list_new.append(pred_img)print("Confusion Matrix: ",       confusion_matrix(true_list_new, pred_list_new)) print ("Accuracy : ",        accuracy_score(true_list_new,pred_list_new)*100) print("Report : ",       classification_report(true_list_new, pred_list_new))

p.s 解决方案

回答：

最简单的解决方案是读取图像，然后将它们重塑为单行向量。如果你不需要显示它们，你可以使用image.reshape(-1)：通过这一行，由cv2加载的具有多列的numpy数组将被转换为具有单一维度的numpy数组。

图示如下：

[[1, 2, 3],[4, 5, 6],   ==> [1, 2, 3, 4, 5, 6, 7, 8, 9][7, 8, 9]]