欧几里德距离两个像素，每个属于不同的图像

我试图实现朴素贝叶斯最近邻（NBNN）的图像分类。在算法中，它要求属于不同图像的两个像素之间的欧几里德距离。欧几里德距离两个像素，每个属于不同的图像

我有1）m×40,000矩阵（其中40,000是一个图像中的像素数）中的一组m图像和2）n乘40,000的另一组n图像矩阵。

1）是训练集，2）是验证集。

为了让我应用NBNN，从我的理解中，我需要找到2）中的每个像素与1）中相应像素之间的欧几里德距离。

我的问题是，给出两个灰度值，一个来自1），另一个来自2），我将如何找到它们之间的欧几里德距离以应用k-NN？

2013-12-17 viviboox3

只是一个快速的实际问题：距离的输出矩阵的预期维数是多少？ – chappjc

从我对朴素贝叶斯最近邻的理解中，应该是40,000乘以40,000的测试图像和40,000乘以m的训练集。从那里，我会寻找每个像素（列）的最小值来找到最近的邻居。请让我知道，如果我不正确地理解这一点。 – viviboox3

@ viviboox3，我也试图在MATLAB中使用这个方法。我已经阅读了博曼关于NBNN的论文，但我仍然很难理解这种方法。我认为NBNN的全部要点是提出类描述符，然后计算图像到类的距离。这是你在这里做的？另外，如果你能指出我对算法的一个很好的解释，我将不胜感激！ –

设x，y为两个灰度200×200的图像。像素级别为x1,x2,...x40000和y1, y2,...y40000。 x和y之间的欧氏距离是d(x,y)=sqrt(sum_i((xi-yi)^2))

2013-12-17 01:24:07 lennon310

我将把在wikipedia

给出的符号和定义你有一维数据，从而p=(p1)和q=(q1)。 e(p,q)=sqrt((p1-q1)^2)=abs(p1-q1)

对于1d情况，欧几里德距离是灰度值的绝对差值。

2013-12-17 00:37:26 Daniel

因此，对于一维图像，像素的位置并不重要？ m乘40,000矩阵我对应于m图像，每个200×200像素，因此总像素= 40,000。 – viviboox3

也许我误解了这个问题，我回答了如何计算颜色值的欧氏距离。您也可以将欧式距离应用于职位。 – Daniel

我试图在图像集上实现knn算法来分类情感。如果我有一组用于训练的图像和一幅用于测试的图像，则需要找到最小化每个像素之间距离的训练示例。我的图像是200×200。我仍然可以将1d情况下的欧式距离应用于此吗？如果我的问题不清楚，我很抱歉。谢谢您的意见。 – viviboox3

回答