セグメンテーション結果の評価について

Question

semantic segmentationによって分類した結果を，混同行列にて示したいと考えております．
準備段階として，2つの画像を比べ，同じ位置にあるピクセルが同じ色であれば，TPに1を足していく，といったコードの作成を試みております．

例として，以下のような画像があったと仮定します．
この画像のうち，RGBが255,0,0のところをTrue，それ以外をFalseとし，両画像の同じ位置でTrueとなった場合，TPに1を足そうと考えています．

img_correct = np.array([[[  0,  50,  20], [255,   0,   0]],
                        [[255,   0,   0], [  0, 100,  10]],
                        [[  0,   0,   0], [ 10, 100,  10]]])
img_test = np.array([[[255,   0,   0], [255,   0,   0]],
                     [[  0, 100, 100], [255,   0,   0]],
                     [[  0,   0,   0], [ 10, 200, 200]]])

各ピクセルにおけるTrue/Falseを知るために，np.whereを使って以下のように書いてみたのですが，すべての要素についてそれぞれTrue/Falseの判定が出てしまいます．

correct_new = np.where(img_correct==[255,0,0], True, False)

[[[False False False]
  [ True  True  True]]

 [[ True  True  True]
  [False False False]]

 [[False  True  True]
  [False False False]]]

このように，ピクセルごとの結果を示すには，どのような関数を使用すれば良いでしょうか．
また，最終的に扱う画像の枚数が多いので，できる限り処理を軽くしたいのですが，他の方法でもっと処理を軽くできるものがあれば，教えていただけたらと思います．

[[[False] [True]]
 [[True] [False]]
 [[False] [False]]]

Answer 1

ご質問はよくわかりませんが、おそらく以下のような計算をしたいのではないでしょうか。

>>> import numpy as np
>>> img_correct = np.array([[[  0,  50,  20], [255,   0,   0]],
...                         [[255,   0,   0], [  0, 100,  10]],
...                         [[  0,   0,   0], [ 10, 100,  10]]])
>>>
>>> TP = (img_correct==[255,0,0]).all(axis=2).sum()
>>> print(TP)
2

Comments

[nil0]

コメントありがとうございます．
おかげさまで，以下のように書くと各ピクセルがTrue（255,0,0）かFalseかを知ることができ，また，2つの画像内で同じ位置にTrueがあった場合が何回起こったかを出力することができました．
correct_new = (img_correct==[255,0,0]).all(axis=2)
test_new = (img_test==[255,0,0]).all(axis=2)
TP = correct_new & test_new
print(TP.sum())

今回，correct_newとtest_newの両方でTrueとなった回数をTPとしたかったので，&で繋ぎましたが，correct_newがFalse，test_newがTrueとなった場合やその逆の場合，両方Falseだった回数はどのようにカウントすれば良いでしょうか．

[nil0]

(correct_new == False) & (test_new == True)といった条件を設けることで解決しました．
失礼いたしました．