点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
在看空间统计相关的文档资料的时候,看到了几个有关距离丈量方法的术语词汇,诸如:欧式距离、曼哈顿距离、切比雪夫距离…… 老外习惯于使用名字来命名算法,可是对于门外汉们,是一种困惑,今天就整理下,一起温故知新。
1. 欧式距离(Euclidean Distance)
欧式距离是我们在直角坐标系中最常用的距离量算方法,例如小时候学的“两点之间的最短距离是连接两点的直线距离。”这就是典型的欧式距离量算方法。
通常这这个距离的获取是基于我们熟悉的“勾股定理”,解算三角形斜边得到的。
看看维基百科:http://en.wikipedia.org/wiki/Euclidean_distance
2. 曼哈顿距离(Manhattan Distance)
曼哈顿距离是与欧式距离不同的一种丈量方法,两点之间的距离不再是直线距离,而是投影到坐标轴的长度之和。
还是看图吧,图比文字更显见。
图中绿色的线为欧式距离的丈量长度,红色的线即为曼哈顿距离长度,蓝色和黄色的线是这两点间曼哈顿距离的等价长度。
想想我们下象棋的时候,车炮兵之类的,是不是要走曼哈顿距离?
如果不会下象棋,没关系,看下面的例子:
在美国道路会像这样是很多的规则的网格状,从A到B通常无法去沿直线行走,而是会避开建筑物,走几个街区到达。
图中蓝色的线即为曼哈顿距离的典型应用场景。
看看维基百科:http://en.wikipedia.org/wiki/Taxicab_geometry
3. 切比雪夫距离(Chebyshev distance)
数学上,切比雪夫距离是将2个点之间的距离定义为其各坐标数值差的最大值。
网上搜索,好多有关这个距离的解释,大多都是采用国际象棋中的王的走步来作为例子,王可以前后左右走,还可以斜前斜后走,一共8个方向可以认为距离均等。
也就是在下面3×3邻域内,中心网格的中心点到8个邻域网格中心点的距离相等。
看看维基百科:http://en.wikipedia.org/wiki/Chebyshev_distance
好消息!
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~