python数字图像处理笔记04 像素空间关系

像素的邻域

一个像素的邻近像素组成该像素的邻域。像素邻域的类型如图所示：

1. 4-邻域N4 (p)

由p的水平（左右）和垂直（上下）共4个近邻像素组成。
这些近邻像素的坐标分别是(x+1,y)，(x-1,y)，(x,y-1)，(x,y+1)。组成p的4-邻域的4个像素均用r表示。
2. 对角邻域ND(p)

由p的对角（左上、右上、左下、右下）共4个近邻像素组成。
这些近邻像素的坐标分别是(x+1,y+1)，(x+1, y-1)，(x-1,y+1)，(x-1,y-1)。
组成p的对角邻域的4个像素均用s表示。
3. 8-邻域N8(p)

由p的4个4-邻域像素与4个对角邻域像素共同组成。

注意：如果像素p本身处在图像的边缘，则它的N4§ ，ND§和N8§中的若干个像素将落在图像之外。

像素的邻接：

一个像素与在它邻域中的像素是接触的，称为邻接（adjacency）的。
像素邻接的类型包括：
4-邻接
一个像素与在它4-邻域中的像素接触。
对角邻接
一个像素与在它对角邻域中的像素接触。
8-邻接
一个像素与在它8-邻域中的像素接触。
邻接仅考虑了像素间的空间关系。

像素的连接

需要考虑两点：
（1）是否邻接（即是否接触）；
（2）灰度值是否满足某个特定的相似准则。
“灰度值”也可以是其它属性值。
“相似准则”可以是灰度值相等，或同在一个灰度值集合中取值。

像素间的距离

像素间的距离是指像素在空间的接近程度。

设3个像素为p、q和r，坐标分别为(x,y)、(s,t)和(u,v)，则距离量度函数D必须满足下列三个条件：
(1) D(p,q)≥0
(2) D(p,q)=D(q,p)
(3) D(p,r)≤D(p,q)+D(q,r)

式中：
条件（1）表明两个像素之间的距离总是为正值，若D(p,q)=0当且仅当p=q；
条件（2）表明像素之间的距离与起点和终点的选择无关；
条件（3）表明像素之间的最短距离是沿直线的。

常见的距离度量方法包括欧式距离、城区距离、棋盘距离和混合距离。

DE距离即欧氏（Euclidean）距离，是范数为2的距离。
点p和q之间的欧氏距离定义为：
DE(p,q)=[(x-s)2+(y-t)2]1/2

D4距离即城区（city-block）距离，是范数为1的距离。
点p和q之间的城区距离定义为：D4(p,q)=︱x-s︱+︱y-t︱

D8距离即棋盘（chessboard）距离，是范数为∞的距离。
点p和q之间的棋盘距离定义为：D8(p,q)=max(︱x-s︱,︱y-t︱)