前言
說到L1範數和L2範數,搞python開發或者算法的小夥伴應該時常有接觸,但是歐幾里得範數可能有些人聽着會有些陌生,乍一看以爲是多麼難的東西,其實歐幾里得範數就是L2範數,只是叫法不同而已。今天,就來詳細介紹一下歐幾里得泛數。
但是,爲了方便哪些不瞭解L1範數的小夥伴,我還是打算用一句簡單的話概括一下L1範數。
L1範數是指向量中各個元素絕對值之和。
好了,下面正式介紹L2範數,也就是歐幾里得範數。
定義
在數學中,歐幾里得距離或歐幾里得度量是歐幾里得空間中兩點間“普通”(即直線)距離。使用這個距離,歐氏空間成爲度量空間。相關聯的範數稱爲歐幾里得範數。較早的文獻稱之爲畢達哥拉斯度量。
歐幾里得度量(euclidean metric)(也稱歐氏距離)是一個通常採用的距離定義,指在m維空間中兩個點之間的真實距離,或者向量的自然長度(即該點到原點的距離)。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。
計算公式
- 二維空間的公式
- 三維空間的公式
- n維空間的公式
歐氏距離變換
所謂歐氏距離變換,是指對於一張二值圖像(在此我們假定白色爲前景色,黑色爲背景色),將前景中的像素的值轉化爲該點到達最近的背景點的距離。
歐氏距離變換在數字圖像處理中的應用範圍很廣泛,尤其對於圖像的骨架提取,是一個很好的參照。
閔氏距離
又叫做閔可夫斯基距離,是歐氏空間中的一種測度,被看做是歐氏距離的一種推廣,歐氏距離是閔可夫斯基距離的一種特殊情況。
閔可夫斯基距離公式中,當時,即爲歐氏距離;當p=1時,即爲曼哈頓距離;當時,即爲切比雪夫距離
定義式如下:
參考資料: