分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow

也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！

距離變換和線性濾波器，形態學變換處於平等位置，是影象處理的一種方法，通過使用兩遍掃描光柵演算法可以快速計算到曲線或點集的距離。

應用：

水平集

快速斜切匹配

影象拼接

影象混合的羽化

臨近點配準

方法：

首先對影象進行二值化處理，然後給每個畫素賦值為離它最近的背景畫素點與其距離（Manhattan距離or歐氏距離），得到distance metric(距離矩陣)，那麼離邊界越遠的點越亮。

實現：

Imgori=imread('test.jpg');I=rgb2gray(Imgori);subplot(2,3,1);imshow(I);title('origin');Threshold=100;F=I>Threshold;%front%B=I<=Threshold;%backgroundsubplot(2,3,4);imshow(F,[]);title('binary'
 
);T=bwdist(F,'chessboard');subplot(2,3,2);imshow(T,[]);title('chessboard distance transform')%the chessboard distance between (x1,y1) and (x2,y2) is max(│x1 – x2│,│y1 – y2│).T=bwdist(F,'cityblock');subplot(2,3,3);imshow(T,[]);title('chessboard distance transform')%the cityblock distance between (x1,y1)
 
 and (x2,y2) is │x1 – x2│ + │y1 – y2│.T=bwdist(F,'euclidean');subplot(2,3,5);imshow(T,[]);title('euclidean distance transform')%use Euclidean distanceT=bwdist(F,'quasi-euclidean');subplot(2,3,6);imshow(T,[]);title('quasi-euclidean distance transform')%use quasi-Euclidean distance

或者單純想看這幾個距離函式的區別可以用以下code：

bw = zeros(200,200); bw(50,50) = 1; bw(50,150) = 1;bw(150,100) = 1;D1 = bwdist(bw,'euclidean');D2 = bwdist(bw,'cityblock');D3 = bwdist(bw,'chessboard');D4 = bwdist(bw,'quasi-euclidean');figuresubplot(2,2,1), subimage(mat2gray(D1)), title('Euclidean')hold on, imcontour(D1)subplot(2,2,2), subimage(mat2gray(D2)), title('City block')hold on, imcontour(D2)subplot(2,2,3), subimage(mat2gray(D3)), title('Chessboard')hold on, imcontour(D3)subplot(2,2,4), subimage(mat2gray(D4)), title('Quasi-Euclidean')hold on, imcontour(D4)

給我老師的人工智慧教程打call！http://blog.csdn.net/jiangjunshow