邻域和邻接
如下图,以\(p\)像素为中心,图a,b,c分别为\(p\)的\(4-邻域N_4(p)\)、\(对角邻域N_D(p)\)、\(8-邻域N_8(p)\)。一个像素与其邻域中的其他像素是邻接的,对应的称为:4-邻接、对角邻接、8-邻接。
像素的连接
像素的连接需要考虑两个因素:邻接和灰度相似程度。当两个像素邻接,且它两的灰度值满足某个规则(比如两个灰度值相差不超过某个阈值),我们就说这两个像素连接。常用的连接有:4-连接,8-连接。
连接的扩展可以得到连通的概念。
像素间的距离
距离度量函数需要满足:
(1) \(D(p, q) \geqslant 0\) (\(D(p, q)=0\) , 当且仅当 \(p=q\)) ;
(2) \(D(p, q)=D(q, p)\) ;
(3) \(D(p, q) \leqslant D(p, r)+D(r, q)\) 。
常用的距离函数有欧式距离(范数为2的距离)和城区距离(范数为1的距离)。
标签:联系,邻域,距离,像素,灰度,邻接,连接 来源: https://www.cnblogs.com/gxxtsz/p/16698476.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。