opencv 学习之 K近邻算法解析

http://blog.csdn.net/u010477528/article/details/53707845

该篇博文中有对 K 近邻的应用讲解，本文简单说下 K 近邻原理。

在已拿到 traindata 的基础上，如何识别。

主要计算样本与图像间的距离，而距离主要有以下。

1、欧氏距离(EuclideanDistance)

欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。

(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

 

(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

 

(3)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：

 

也可以用表示成向量运算的形式：

转换为当前代码中则为计算样本与图像两者之间的差异度，灰度值依上述方式计算，得到一个相似值。

2、