数字图像处理-像素间的距离

1. 距离度量方法

若有像素点p(x,y)、q(s,t)、z(u,v)，则若函数D满足以下条件，

则D成为一种距离度量方法：

 

1. 常用的像素点距离度量方法：

①分类：欧式距离（Euclidian distance） 、

D4 距离 (city-block-distance) 、

D8 距离 (chess-board-distance) 、

Dm 距离

（1）1）欧式距离

•对应的尺度;国际上的评分制：“全优度尺度”

•Eg:将待评价图像和原始参考图像按一定规则交替播放持续一定时间给观察者，然后在播放后留出一定的时间间隔供观察者打分，最后将所有给出的分数取平均作为该序列的评价值。

• 欧式距离（像素之间的关系-）

1.公式：p(x,y) 和 q(s,t) 的欧式距离被定义为

 

2.图解：以P为中心点的De<=2的像素

 

• D4 距离又称为城市街道距离（像素之间的关系-）

1.公式：p(x,y) 和 q(s,t) 的城市街道距离被定义为

 

1. 图解：以P为中心点的D4<=2的像素

• D8距离又称为棋盘距离（像素之间的关系-）

 

1.公式：p(x,y) 和 q(s,t) 的棋盘距离被定义为

 

（等距离像素点形成以P为中心的正方形）

2.图解：以P为中心点的D4<=2的像素

 

• Dm距离又称混合距离（像素之间的关系-）

1.与De、D4、D8距离的区别：

De、D4、D8 距离仅与像素点的坐标有关，而与图像内容没有关系。

混合距离 Dm与像素点的连通性有关，它要求按照m连通的路径来计算距离。

1. 图解：像素像素点之间最短的m连通通路长度

 

1. Eg：p 和 q 的Dm距离?   2

 

Ⅰ涉及知识点-通路介绍

1. 领域

1. 4邻域

 这个像素集合称为像素点的4邻域。

②图解：

 

 

 

（1）1）欧式距离

Eg：

①q 在 N4 (p)中吗?           No

②p 和 q 是8-邻接吗?        Yes

③p 和 q 是m-邻接吗?        No

④p 到q 是m-连通吗?         No

⑤p 和 q 的Dm距离?          2

 

 

 

1. 邻接

①定义：如果两个像素点p,q 满足以下两个条件，则称它们是邻接的。

•它们是邻域，例如ND(p)、N8(p)

•它们的灰度值满足相似性准则,例如，对于二值图像，要求灰度值相同 。

 

（4）1）邻接实例

设置一个相似灰度值集合V,例如： V={16,17,…,32}.

•4-邻接：如果 p,q的灰度值都是在V集合中，并且

 

•8-邻接：如果 p,q的灰度值都是在V集合中，并且

 

（4）2）8-邻接歧义：

•解决方法: M邻接 (混合邻接)

m邻接：当像素间同时存在4邻接和8邻接时，优先采用4邻接，屏蔽8邻接。（m邻接的本质是消除了8邻接多余的连接路径）

•m邻接判断方法:

（1）q在p的4邻域中

（2）q在p的对角邻域中，并且q的4邻域与p的4领域相交为 空集（交集无点属于V）

1. 连通

①mix-连通

◼两像素点的灰度值相似

◼两像素点是4邻域，或者若是对角邻域，则要求为空