Python 多幅图像与一幅基础图像之间的欧氏距离

我有一个维度的矩阵

X

（30x8100），还有一个维度的矩阵

Y

（1x8100）。我想生成一个数组，其中包含它们之间的差异

（X[1]-Y，X[2]-Y，…，X[30]-Y）

---

有人能帮忙吗？

你所需要的就是

X - Y

由于有几个人提供的答案似乎试图手动匹配形状，我应该解释：
Numpy将自动展开

Y

的形状，使其与

X

的形状相匹配。这就是所谓的，它通常能很好地猜测应该做什么。在不明确的情况下，可以应用

axis

关键字来告诉它做事情的方向。这里，由于

Y

的尺寸为长度1，这是扩展为长度

30

的轴，以匹配

X

的形状

比如说,

In [87]: import numpy as np

In [88]: n, m = 3, 5

In [89]: x = np.arange(n*m).reshape(n,m)

In [90]: y = np.arange(m)[None,...]

In [91]: x.shape
Out[91]: (3, 5)

In [92]: y.shape
Out[92]: (1, 5)

In [93]: (x-y).shape
Out[93]: (3, 5)

In [106]: x
Out[106]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

In [107]: y
Out[107]: array([[0, 1, 2, 3, 4]])

In [108]: x-y
Out[108]: 
array([[ 0,  0,  0,  0,  0],
       [ 5,  5,  5,  5,  5],
       [10, 10, 10, 10, 10]])

但这并不是真正的欧几里德距离，正如你的标题所暗示的那样：

df = np.asarray(x - y)                # the difference between the images
dst = np.sqrt(np.sum(df**2, axis=1))  # their euclidean distances

---

你所需要的就是

X - Y

由于有几个人提供的答案似乎试图手动匹配形状，我应该解释：
Numpy将自动展开

Y

的形状，使其与

X

的形状相匹配。这就是所谓的，它通常能很好地猜测应该做什么。在不明确的情况下，可以应用

axis

关键字来告诉它做事情的方向。这里，由于

Y

的尺寸为长度1，这是扩展为长度

30

的轴，以匹配

X

的形状

比如说,

In [87]: import numpy as np

In [88]: n, m = 3, 5

In [89]: x = np.arange(n*m).reshape(n,m)

In [90]: y = np.arange(m)[None,...]

In [91]: x.shape
Out[91]: (3, 5)

In [92]: y.shape
Out[92]: (1, 5)

In [93]: (x-y).shape
Out[93]: (3, 5)

In [106]: x
Out[106]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

In [107]: y
Out[107]: array([[0, 1, 2, 3, 4]])

In [108]: x-y
Out[108]: 
array([[ 0,  0,  0,  0,  0],
       [ 5,  5,  5,  5,  5],
       [10, 10, 10, 10, 10]])

但这并不是真正的欧几里德距离，正如你的标题所暗示的那样：

df = np.asarray(x - y)                # the difference between the images
dst = np.sqrt(np.sum(df**2, axis=1))  # their euclidean distances

---

使用

array

和

numpy

broadcasting从

Y

初始化矩阵：

>>> from numpy import *
>>> a = array([[1,2,3],[4,5,6]])

访问

a

中的第二行：

>>> a[1]
array([4, 5, 6])

从

Y

>>> Y = array([3,9,0])
>>> a - Y

array([[-2, -7,  3],
       [ 1, -4,  6]])

---

使用

array

和

numpy

broadcasting从

Y

初始化矩阵：

>>> from numpy import *
>>> a = array([[1,2,3],[4,5,6]])

访问

a

中的第二行：

>>> a[1]
array([4, 5, 6])

从

Y

>>> Y = array([3,9,0])
>>> a - Y

array([[-2, -7,  3],
       [ 1, -4,  6]])

---

只需迭代numpy数组中的行，实际上只需减去它们，numpy将生成一个具有差异的新数组

import numpy as np
final_array = []
#X is a numpy array that is 30X8100 and Y is a numpy array that is 1X8100
for row in X:
    output = row - Y
    final_array.append(output)

输出将是最终的X[0]-Y、X[1]-Y等数组。现在，最终的_数组将是一个包含30个数组的数组，每个数组都具有所需的X-Y值！就这么简单。只需确保首先将矩阵转换为numpy数组

编辑：由于numpy广播将进行迭代，因此一旦拥有两个阵列，您只需一行即可：

final_array = X - Y

---

然后这就是你们的差异数组

只需迭代numpy数组中的行，实际上您可以减去它们，numpy将生成一个具有差异的新数组

import numpy as np
final_array = []
#X is a numpy array that is 30X8100 and Y is a numpy array that is 1X8100
for row in X:
    output = row - Y
    final_array.append(output)

输出将是最终的X[0]-Y、X[1]-Y等数组。现在，最终的_数组将是一个包含30个数组的数组，每个数组都具有所需的X-Y值！就这么简单。只需确保首先将矩阵转换为numpy数组

编辑：由于numpy广播将进行迭代，因此一旦拥有两个阵列，您只需一行即可：

final_array = X - Y

---

然后这就是你们的差异数组

我得到了

ValueError:输入必须是一个正方形数组

@user222953哦，因为你的

x

和

y

有类型

矩阵

，请使用

np.asarray

，这样平方将是按元素的，请参阅我的编辑。谢谢！但结果是有线的<代码>dst[ 11368.09117391 7238.28732897 5975.85568237 6516.33956578 4690.22604361 4727.27377993 5210.6757694 4917.37040654 4315.19124481 4351.23160123 4219.13923247 4003.55476258 4175.54212706 4102.91009999 4330.4599796 4184.70386037 4134.89623796 4162.12512307 3828.49532333 3930.67847956 3766.93023507 3666.34224248 4040.05576148 3848.65880709 3845.355773393 3869.77351631 3836.28039808 3801.06876888 3799.32736535 3646.77473834]@user222953您还有其他想法吗？

dst

的形状是

（30，）

，因为这是每个图像与基础图像的不同程度。该“距离”的单位基本上是像素亮度（假设灰度图像）。然后，

dst[i]

说明图像的亮度与基础（输入？）图像的不同程度。查找

imin=argmin（dst）

将显示

图像[imin]

是与输入图像最相似的图像。好吧，与我们的眼睛相似（可能对于您的应用而言）不一定与欧几里德距离中最近的图像相同。欧几里德距离比较给定位置的每个像素，如，

image1[i，j]

与

image2[i，j]进行比较

。欧几里德距离中的“最近”图像是所有这些比较的总和最小的图像。请注意，相同的图像，旋转一点，从这个意义上讲，可能离它本身非常“远”。我得到了

ValueError：输入必须是一个方形数组

@user222953哦，因为您的

x

和

y

没有键入

matrix

，使用

np.asarray

，以便按元素进行平方运算，请参见我的编辑。谢谢！但结果已连线！

dst[ 11368.09117391   7238.28732897   5975.85568237   6516.33956578    4690.22604361   4727.27377993   5210.6757694    4917.37040654    4315.19124481   4351.23160123   4219.13923247   4003.55476258    4175.54212706   4102.91009999   4330.4599796    4184.70386037    4134.89623796   4162.12512307   3828.49532333   3930.67847956    3766.93023507   3666.34224248   4040.05576148   3848.65880709    3845.35577393   3869.77351631   3836.28039808   3801.06876888    3799.32736535   3646.77473834]import numpy as np
final_array = []
#X is a numpy array that is 30X8100 and Y is a numpy array that is 1X8100
for row in X:
    output = row - Y
    final_array.append(output)