的方式计算切割结果图像的性能指标，并以此评价切割的效果，具有客观、可反复等长处。

　　无监督评价法通过直接计算切割结果图像的特征參数来评价切割效果，其优势在于不须要理想切割的參考图像。切割结果图像的特征參数又称为指标或者測度。

　　好的切割，其切割的区域内部的特征具有均匀性和一致性。区域内一致性指标主要基于图像的灰度、颜色、纹理、熵等信息。

　　对于一副图像I。如果切割后的二值图中有R1,R2,⋯,RM共M个区域，则第k个区域Rk的一致性zebk能够表示为：

　　当中，Nk为区域Rk的像素总数，i为Rk中的像素，fi为像素i的灰度值，W(i)为像素i的邻域,j为像素i包括在Rk中的邻域像素。

　　区域内一致性与该区域的方差是反比关系。零方差意味着特征区域内全部像素的灰度值或其它像素特征（颜色、纹理等）同样。相反，方差值非常大，则特征区域的一致性非常差。

　　区域间差异性指标主要基于灰度、颜色、重心距离等信息。对于具有M个区域的图像I，能够通过计算两区域间的不一致性获得区域间的差异性，如：

　　当中。C2M为区域的组合数，(x,y)是像素点坐标，g(x,y)是灰度特征函数，f(Ri)为区域特征函数。一般为区域平均灰度。

　　有监督评价的指标主要基于算法切割图像与參考图像两者的类似度或差异度。类似度越大或差异度越小。切割算法越好。