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:myhaspl@qq.com
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 'myhaspl@qq.com'
    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