所以我得到了一个“相似性度量”来使用,但没有任何信息。相似性度量称为欧氏距离平方,或距离平方和,我有一个公式:
D2 = Σ(I(x,y) – I’(x,y))^2
维基百科告诉我这一点:
d(p,q) = (p1 − q1)^2 + (p2 − q2)^2 + ... + (pi − qi)^2 + ... + (pn − qn)^2
我有一对立体图像,即同一主题的两个图像,一个来自左眼 View ,一个来自右眼 View 。我可以从左右图中对应的坐标中提取像素信息:
private double euclidDistSquared(BufferedImage leftRegion, BufferedImage rightRegion) {
double temp = 0;
double ssd = 0;
Raster left = leftRegion.getData();
Raster right = rightRegion.getData();
for(int x = 0; x < leftRegion.getWidth(); x++) {
for(int y = 0; y < leftRegion.getHeight(); y++) {
temp = left.getSampleDouble(x,y,0) - right.getSampleDouble(x,y,0);
temp *= temp;
ssd += temp;
}
}
ssd = 1/ssd;
return ssd;
}
我之后的做法正确吗?第一个临时行是提取和减去相应坐标处的像素值,但我在网上看到的一些内容表明我想分别减去我的 x 和 y 值(我该怎么做? !)。另外,我最终获得的 SSD 值非常小,例如 3.792346286724133E-6,这有意义吗?
已编辑以获取更多信息。
最佳答案
该代码正确计算了欧几里得分离的平方。
推测它是一个很小的数字,因为样本值的幅度很小。绝对没有理由不期待这样的值(value)。只有您才能知道实际值的含义以及应该用它做什么。
<小时/>就风格而言,我更希望变量在其生命周期内保持相同的逻辑值。在这段代码中,您编写了 ssd = 1/ssd
,这有点令人烦恼。您使用 ssd 表示sum of squared d距离,但是当您编写1/ssd
时,这不再是距离平方和,而是相似度度量。
我会这样写:
private double similarityMeasure(BufferedImage leftRegion, BufferedImage rightRegion) {
double ssd = 0;
Raster left = leftRegion.getData();
Raster right = rightRegion.getData();
for(int x = 0; x < leftRegion.getWidth(); x++) {
for(int y = 0; y < leftRegion.getHeight(); y++) {
double diff = left.getSampleDouble(x,y,0) - right.getSampleDouble(x,y,0);
ssd += diff*diff;
}
}
return 1/ssd;
}
关于java - 什么是欧氏距离平方或距离平方和?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8263140/