我正在尝试实现用于图像分类的朴素贝叶斯最近邻（NBNN）算法。该算法要求计算属于不同图像的两个像素之间的欧几里得距离。

我有1）一组m张图像，存储在一个m行40,000列的矩阵中（其中40,000是每张图像的像素数），以及2）另一组n张图像，存储在一个n行40,000列的矩阵中。

1）是训练集，2）是验证集。

为了应用NBNN，根据我的理解，我需要计算2）中每个像素与1）中对应像素之间的欧几里得距离。

我的问题是，给定来自1）和2）的两个灰度值，如何计算它们之间的欧几里得距离，以便应用k-NN算法？

回答：

设x, y为两张200×200的灰度图像。像素值分别为x1,x2,...x40000和y1, y2,...y40000。x和y之间的欧几里得距离为d(x,y)=sqrt(sum_i((xi-yi)^2))