③ D8距离（棋盘距离）
即距离等于r 的像素形成的以P 为中心的方形。
比较难理解，可参考：https://www.cnblogs.com/soyo/p/6893551.html
距离度量参数可以用于对图像特征进行比较和分类或者进行某些像素级操作。最常用的距离度量是欧氏距离，然而在形态学中，也可能使用街区距离和棋盘距离。
基本的图像操作1．点运算和邻域运算
点运算指的是对图像中的每一个像素逐个进行同样的灰度变换运算。设r 和s 分别是输入图像f (x , y )和输出图像g (x , y )在任一点(x , y )的灰度值，则点运算可以使用下式定义。
s = T (r)
而如果将点运算扩展，对图像中每一个小范围（邻域）内的像素进行灰度变换运算，即称为邻域运算或邻域滤波。这可以使用下式定义。
g (x , y ) = T [f (x , y )]
2．线性和非线性操作
令H 是一种算子，其输入输出都是图像。若对于任意两幅（或两组）图像F 1和F 2及任意两个标量a 和b 都有如下关系成立，
H (aF 1 +bF 1 )=aH (F 1 )+bH (F 2 )
则称H 为线性算子。也即对两幅图像的线性组合应用该算子与分别应用该算子后的图像在进行同样的线性组合所得到的结果相同，也即算子H 满足线性性质。同样的，不符合上述定义的算子即为非线性算子，对应的是非线性图像操作。举例来说，滤波中的平均平滑、高斯平滑、梯度锐化等都是线性运算，而中值滤波则是非线性的。
线性操作由于其稳定性的特点而在图像处理中占有非常重要的地位。 尽管非线性算子常常也能够提供较好的性能，但它的不可预测性使其在一些如军事图像处理和医学图像处理等严格的应用领域中难以获得广泛的应用。
图像的点运算对于一个数字图像处理系统来说，一般可以将处理流程分为3个阶段。在获取原始图像后，首先是图像预处理阶段，第二是特征抽取阶段，最后才是识别分析阶段。预处理阶段尤为重要，这个阶段处理不好则后面的工作根本无法展开。
点运算指的是对图像中的每个像素依次进行同样的灰度变换运算。设r 和s 分别是输入图像f (x,y )和输出图像g (x,y )在任一点(x,y )的灰度值，则点运算可以使用下式定义。
s = T(r)
其中，T 为采用的点运算算子，表示了在原始图像和输出图像之间的某种灰度级映射关系。
灰度直方图灰度直方图描述了一幅图像的灰度级统计信息，主要应用于图像分割和图像灰度变换等处理过程中。
从数学上来说，图像直方图描述的是图像的各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。有一种特殊的直方图叫作归一化直方图，可以直接反映不同灰度级出现的比率。
从图形上来说，灰度直方图是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。
灰度直方图的计算是根据其统计定义进行的。图像的灰度直方图是一个离散函数，它表示图像每一灰度级与该灰度级出现频率的对应关系。假设一幅图像的像素总数为N ， 灰度级总数为L ，其中灰度级为g 的像素总数为Ng ，则这幅数字图像的灰度直方图横坐标即为灰度g （0≤g ≤L －1），纵坐标则为灰度值出现的次数Ng 。实际上，用像素总数N 去除以各个灰度值出现的次数Ng 即得到各个灰度级出现的概率Pg = Ng /N =Ng /ΣNg ，从而得到归一化的灰度直方图，其纵坐标为概率Pg 。
灰度的线性变换线性灰度变换函数f (x )是一个一维线性函数。
TODO.
灰度对数变换对数变换主要用于将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的。
TODO.
伽玛变换又名指数变换或幂次变换，是另一种常用的灰度非线性变换。
伽马变换主要用于图像的校正，将漂白的图片或者是过黑的图片，进行修正。伽马变换也常常用于显示屏的校正，这是一个非常常用的变换。
TODO.