特征匹配中的欧氏距离

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。