5.6 图像间的欧氏距离计算
根据每个图形返回的向量，可计算两个图形向量之间的距离，该距离称为图像的欧
式距离。欧式距离算法的核心是：设图像矩阵有 n 个元素（n个像素点），用 n个元素
值(x1，x2，...，xn)组成该图像的特征组（像素点矩阵中所有的像素点），特征组形
成了 n维空间（欧式距离就是针对多维空间的），特征组中的特征码（每一个像素点）
构成了每一维的数值，就是 x1（第一个像素点）对应一维，x2（第二个像素点）对应二
维，. . .，xn（第 n个像素点）对应 n维。在 n维空间下，两个图像矩阵各形成了一
个点，然后利用数学上的欧式距离公式计算这两个点之间的距离，距离最小者就是最匹
配的图像。
欧式距离公式：
点 A = （x1, x2, ... , xn）；
点 B = （y1, y2, ... , yn）；
AB^2 = (x1-y1)^2+(x2-y2)^2+...+(xn-yn)^2；
AB就是所求的 A，B两个多维空间中的点之间的距离
[16]
。效果如图 5-13所示：
2022-04-20 21:42:34
843KB
1
H3CNE-Cloud 云计算题库 学习资料覆盖了当前最新的知识点，GB0-712题库可以助您通过认证考试。
2021-09-29 19:04:10
541KB
1
H3CNE-Cloud 云计算题库题库学习资料覆盖了当前最新的知识点，GB0-712题库可以助您通过认证考试。
2021-05-21 16:05:13
293KB
1
H3CNE-Cloud 题库（GB0-712）及软件
H3CNE-Cloud 题库（GB0-712）及软件
2021-04-26 12:03:32
5.34MB
1
GB0-712云计算,个人精修版,2020-8 月 考试 900分通过.GB0-712云计算,个人精修版,2020-8 月 考试 900分通过.
2021-03-27 08:24:57
767KB
1