接下来再举个例子，
其中，黄色区域为p的4邻域和q的4邻域的交集，交集中的一个像素的灰度值在V中，即为1，故p和q不是m邻接。
m邻接实质：当像素间同时存在4-邻接和8-邻接时，优先采用4-邻接，屏蔽两个和同一像素间存在4-邻接的像素之间的8-邻接。
为什么要引入m临接呢？我们再看下面的例子。
设下图ABCD像素灰度值为1。
将他们的8邻域中灰度值为1的值相连，得下图：
可以发现在这个8通路中，A到C的方式有两种，①是A——》B——》C，②是A——》C。而这被称为二义性，这就是为什么要引入M邻接的方式，因为采用m邻接的方式让像素相连能够消除二义性。
那么如何消除二义性呢？我们可以看到，A和C的四邻域交集中，B为1（属于集合V），故A和C不是m邻接，则说明A和C无法连通，如下图所示，各个像素的连通情况，A无法直接连通C。
如图所示，A到C只有一条路，即A——》B——》C，这样就使用了m邻接消除了二义性。
2．连通性
为了定义像素的连通性，首先需要定义像素P 到像素Q 的通路（Path）。这也是建立在邻接性的基础上的。
像素P 到像素Q 的通路（Path） 指的是一个特定的像素序列(x 0 , y0 ), (x 1 , y 1 ), …, (xn , yn )，其中(x 0 , y 0 ) = (xp , yp )，(x n , yn ) = (x q , yq )。并且像素(xi , yi ) 和(xi-1 , yi-1 ) 在满足1≤i ≤n 时是邻接的。在上面的定义中，n 是通路的长度，若(x 0 , y 0 ) = (xn , yn )，则这条通路是闭合通路。相对应于邻接的概念，在这里有4通路和8通路。这个定义和图论中的通路定义是基本相同的，只是由于邻接概念的加入而变得更加复杂。
像素的连通性（Contiguous） ：令S 代表一幅图像中的像素子集，如果在S 中全部像素之间存在一个通路，则可以称2个像素P 和Q 在S 中是连通的。此外，对于S 中的任何像素P ，S 中连通到该像素的像素集叫作S 的连通分量 。如果S 中仅有一个连通分量，则集合S 叫做连通集 。
卧槽，天书啊！
如果要从像素s到像素t：
在4连通的条件下：s不能到t，因为中心像素和右下角像素不满足4邻接关系。
在8连通的条件下：s可以到t
在m连通的条件下：s可以到t
3．区域和边界
区域的定义是建立在连通集的基础上的。令R 是图像中的一个像素子集，如果R 同时是连通集，则称R 为一个区域（Region）。
边界（Boundary） 的概念是相对于区域而言的。一个区域的边界（或边缘、轮廓）是区域中所有有一个或多个不在区域R 中的邻接像素的像素所组成的集合。显然，如果区域R 是整幅图像，那么边界就由图像的首行、首列、末行和末列定义。因而，通常情况下，区域指一幅图像的子集，并包括区域的边缘。而区域的边缘（Edge） 由具有某些导数值的像素组成，是一个像素及其直接邻域的局部性质，是一个有大小和方向属性的矢量。
边界和边缘是不同的。边界是和区域有关的全局概念，而边缘表示图像函数的局部性质。
距离度量的几种方法假设对于像素P (xp , yp )、Q (xq , yq )、R (xr , yr )而言，有函数D 满足如下3个条件，则函数D 可被称为距离函数或度量。
D(P,Q) ≥0，当且仅当P = Q 时，有D(P,Q) = 0
D(P,Q) = D(Q,P)
D(P,Q) ≤D(P,R) + D(R,Q)
常见的几种距离函数如下所示。
① 欧氏距离
即两点之间的直线距离。
② D4距离（街区距离）
即距离等于r 的像素形成的以P 为中心的菱形。