根据此站点http://homepages.inf.ed.ac.uk/rbf/HIPR2/distance.htm，它描述了：
仅需两遍（例如Rosenfeld和Pfaltz
四处寻找，我发现：“ Rosenfeld，A和Pfaltz，J L.1968。数字图片上的距离函数。模式识别，1，33-61。”
但是我相信我们应该有一个比1968年更好，更快的算法吗？实际上，我找不到1968年的资料来源，因此非常感谢您的帮助。
#1 楼
Pedro F. Felzenszwalb和Daniel P. Huttenlocher已发布了距离转换的实现。您不能将其用于体积图像，但是也许可以扩展它以支持3d数据。我只是将其用作黑匣子。评论
$ \ begingroup $
您是否偶然知道这是否在OpenCV中实现？
$ \ endgroup $
– Matt M.
2011年10月8日上午10:38
$ \ begingroup $
是，对于maskSize和distanceType的某些值。请参阅：opencv.willowgarage.com/documentation/cpp/…
$ \ endgroup $
–bjoernz
2011年10月9日，下午6:04
$ \ begingroup $
到目前为止，是否有任何体积图像（例如kinect深度图像）的实现？
$ \ endgroup $
–张绍臣
15年7月29日在10:10
#2 楼
本文讨论了所有现代精确距离变换：“二维欧氏距离变换：比较调查”，ACM计算调查，第40卷，第1期，2008年2月
http：// www.lems.brown.edu/~rfabbri/stuff/fabbri-EDT-survey-ACMCSurvFeb2008.pdf
本文引用了Meijster等人的技术。等作为最快的通用目标，进行精确转换。此处详细介绍了该技术：
“在线性时间中计算距离转换的通用算法”，A。Meijster，JBTM Roerdink和WH Hesselink。
http://fab.cba.mit .edu / classes / S62.12 / docs / Meijster_distance.pdf
我的开源效果库中使用了Meijster算法：
https://github.com/vinniefalco/LayerEffects
我希望这对某人有帮助。
评论
$ \ begingroup $
知道在您的库中可以找到特定代码的位置很有用。
$ \ endgroup $
– Akaltar
15年8月23日在14:03
#3 楼
这是根据Felzenszwald和Huttenlocher的论文的用于一维平方欧几里德距离变换的C＃代码：在图像列上然后是行上（当然反之亦然）。
转换确实非常快。
以下是源图像和输出图像：
黑色像素值为0，白色像素值较大（必须大于图像中最大的平方距离，但不能大于
要获得真正的欧几里德距离变换，只需从输出图像中取每个像素的平方根即可。
评论
$ \ begingroup $
有趣。 Libor距离变换的常见用法是什么？
$ \ endgroup $
–太空
2012年8月21日13:57
$ \ begingroup $
我认为常见的用途是查找路径，分割，几何尺寸（质心）和效果（斜角效果）。我需要进行距离转换以进行全景图像拼接-以找到几何上最佳的混合蒙版。这涉及对每个图像进行行驶距离变换，然后根据权重计算混合蒙版。
$ \ endgroup $
– Libor
2012年8月21日在19:54
$ \ begingroup $
距离变换可以用于匹配[edge]图像，一种技术是“倒角匹配”（umiacs.umd.edu/~mingyliu/papers/liu_cvpr2010.pdf）。 DT还可以用于查找中间轴（骨骼）并执行其他任务，例如提到的Libor。
$ \ endgroup $
–重新思考
2012年9月19日于20:43
评论
很抱歉再次启动此线程，但是我也尝试使用Python实现GDT。 def of_column（dataInput）：输出=零（dataInput.shape）n = len（dataInput）k = 0 v =零（（n，））z =零（（n + 1，））v [0] = 0 z对于范围（1，n）中的q，[0] = -inf z [1] = + inf s = 0：而True：s =（（（（dataInput [q] + q * q）-（dataInput [v [k ]] + v [k] * v [k]））/（2.0 * q-2.0 * v [k]））如果s <= z [k]：k-= 1否则：打破k + = 1 v [对于范围（n）中的q，k] = qz [k] = sz [k + 1] = + inf k = 0：而z [k + 1]请问一个新问题。不要发布问题作为答案。
欢迎使用信号处理SE。您可以使用右上角的“提问”来提问。