二维空间的公式
0ρ = √( (x1-x2)2+(y1-y2)2 ) || = √( x2 + y2 )
三维空间的公式
0ρ = √( (x1-x2)2+(y1-y2)2+(z1-z2)2 ) || = √( x2 + y2 + z2 )
n维空间的公式
n维欧氏空间是一个点集,它的每个点 X 或向量 可以表示为 (x,x,…,x[n]) ,其中 x[i](i = 1,2,…,n) 是实数,称为 X 的第i个坐标。
两个点 A = (a,a,…,a[n]) 和 B = (b,b,…,b[n]) 之间的距离 ρ(A,B) 定义为下面的公式:
ρ(A,B) =√ [ ∑( a[i] - b[i] )2 ] (i = 1,2,…,n)
向量 = (x,x,…,x[n]) 的自然长度 || 定义为下面的公式:
|| = √( x2 + x2 + … + x[n]2 )
所谓欧氏距离变换,是指对于一张二值图像(再次我们假定白色为前景色,黑色为背景色),将前景中的像素的值转化为该点到达最近的背景点的距离。
欧氏距离变换在数字图像处理中的应用范围很广泛,尤其对于图像的骨架提取,是一个很好的参照。
又叫做明可夫斯基距离,是欧氏空间中的一种测度,被看做是欧氏距离的一种推广。
定义式:ρ(A,B) = [ ∑( a[i] - b[i] )^p ]^(1/p) (i = 1,2,…,n)