数学之路(3)-机器学习(3)-机器学习算法-欧氏距离(2)

我们的算法是当前像素与下面和右边的像素进行比较,如果相似，则将当前像素设置为黑色，否则设置为白色

那么如何判定像素相似呢，我们用欧氏距离，将一个像素的3个色彩分量映射在3维空间中，如果2个像素点的欧氏距离小于某个常数值，我们就认为它们相似。

我们定义好区欧氏距离的函数

 

def get_EuclideanDistance(x,y):

    myx=np.array(x)

    myy=np.array(y)

    return np.sqrt(np.sum((myx-myy)*(myx-myy)))

完全代码如下：

 

 

#!/usr/bin/env python

#-*- coding: utf-8 -*-

#code:[email protected]

import cv2

import numpy as np





fn="test1.jpg"



def get_EuclideanDistance(x,y):

    myx=np.array(x)

    myy=np.array(y)

    return np.sqrt(np.sum((myx-myy)*(myx-myy)))

    

if __name__ == '__main__':

    print 'http://blog.csdn.net/myhaspl'

    print '[email protected]'

    print

    print 'loading %s ...' % fn

    print 'working',

    myimg1 = cv2.imread(fn)

    w=myimg1.shape[1]

    h=myimg1.shape[0]

    sz1=w

    sz0=h

 

      

        

    #创建空白图像 

    myimg2=np.zeros((sz0,sz1,3), np.uint8)   

    #对比产生线条

    black=np.array([0,0,0])

    white=np.array([255,255,255])

    centercolor=np.array([125,125,125])

    for y in xrange(0,sz0-1):

        for x in xrange(0,sz1-1):



            mydown=myimg1[y+1,x,:]

            myright=myimg1[y,x+1,:]



            myhere=myimg1[y,x,:]

            lmyhere=myhere

            lmyright=myright

            lmydown=mydown

            if get_EuclideanDistance(lmyhere,lmydown)>16 and get_EuclideanDistance(lmyhere,lmyright)>16:

                myimg2[y,x,:]=black

            elif get_EuclideanDistance(lmyhere,lmydown)<=16 and get_EuclideanDistance(lmyhere,lmyright)<=16:

                myimg2[y,x,:]=white

            else:

                myimg2[y,x,:]=centercolor

                

            print '.',



              



    cv2.namedWindow('img2')     

    cv2.imshow('img2', myimg2)    

    cv2.waitKey()

    cv2.destroyAllWindows()

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/u010255642