前言
导师需要我将预测的几个结果单独计算出每一张图的精度评价，包含以下指标：iou，recall，F1。
因为他说我利用代码批量计算的结果有误。
如果是这样的话可就坏了，希望我的结果没有出太多错误，不然已经做过计算的某些内容又需要全部重新计算了。
利用envi计算精度指标
使用tif格式影像
师姐说使用tif格式的图像来计算。我的深度学习模型训练用图和预测出图都是png格式的，我直接将png格式的图像的后缀改成tif格式即可。
两张图片一张是label标签，一张是预测出图的结果。
envi classic打开图像
在envi中打开两张图像。file-open image file
初步处理
envi不能理解传入的图像中的值是什么意思，需手动标注。在memory上右键编辑。
----↓----
选中ENVI Classification
----↓----
有几种类别就输入几（背景也算1类）。比如建筑物变化检测，最后会是2类：其1是背景，其2是识别的变化区域。
系统会根据设定的类别自动生成几个选项，自行设定名字。我因为是二类（tif图上的值为0和1,0是背景，1是变化区域），所以默认第一个是背景，第二个表示变化区域。先命名，因为命名结束后，颜色会发生变化（Unclassified对应的区域默认是黑色，Calss #1对应的区域默认是红色）。
检查：原本是背景的区域确实仍然是黑色，原本是变化区域的部分确实变成了红色。
（击ok应用即可，应用完毕之后，图片的标识会发生变化。此时在load band加载图像进行查看）
我相信如果是多种类别，仍然可以通过颜色来查看是否命名正确。
计算混淆矩阵
点击选项后，在弹出的窗口中，先选择预测prediction图像【前文中提到的memory6】，再选label标签图像【前文中提到的memory5】。
在弹出的窗口中，查看两张tif图中的类别连接是否正确。
如果正确则在弹出的窗口中，点选“Memory”选项（只是得到一下结果，之后截图保存结果或者记录一下即可。）
如果想要保存结果的话，可以在弹出的结果窗口上，File->save text to ascii将结果保存为.txt文件（.txt需要自己手动输入）。
指标解释
- 生产者精度
地面真实类中，某类像元被正确分类为该类的概率，利用混淆矩阵的列来计算。
- 用户精度
影像类中，某类像元被正确分类为该类的概率，利用混淆矩阵的行来计算。
- 总体精度
正确分类像元数除以图像像元总数
