图像处理之基于图的广度优先搜索组件标记算法
一：图的遍历与广度优先搜索算法
图的遍历算法最常用是广度优先搜索算法(BFS)与深度优先搜索算法(DFS)，从一个的
节点开始，访问相邻的所有子节点，接着从这些子节点出发访问下个相邻子节点，如
此重复直到所有节点都被访问。
二：二值图像组件标记实现流程
如果把图像的每个像素点看成为图的一个节点，则二值图像中的每个连通区域都可以
看成一个无向图，只要遍历图像中的每个像素点就可以找出每个连通区域，实现对二
值图像连通区域组件的标记。大致步骤为：
1. 扫描图像的每个像素点，获得位置信息与图像的灰度值强度(0~255)成为图的节点
2. 对每个节点，初始化状态与获取它的上下左右四个邻域节点
1. 遍历每个节点- BFS
2. 输出结果与显示
三：运行效果
四：关键程序实现代码
图的搜索算法，节点状态有三种，未访问(Unvisit)，已经访问(Visited)，已经标记(Marked)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
|
package com.gloomyfish.image.watershed;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
* Breath First Search for graphics
* @author gloomyfish
*
*/
public class BFSAlgorithm {
private List<PixelPoint> pixelList = null;
private int grayLevel = 1;
public int getGrayLevel() {
return grayLevel;
}
public int getTotalOfLabels()
{
Map<Integer, Integer> labelMap = new HashMap<Integer, Integer>();
for(PixelPoint p : pixelList)
{
if(p.getValue() >= grayLevel)
{
if(labelMap.containsKey(p.getLabel()))
{
Integer count = labelMap.get(p.getLabel());
count += 1;
labelMap.put(p.getLabel(), count);
}
else
{
labelMap.put(p.getLabel(), new Integer(1));
}
}
}
Integer[] keys = labelMap.keySet().toArray(new Integer[0]);
for(Integer key : keys)
{
System.out.println("Label index : " + key);
}
System.out.println("total labels : " + labelMap.size());
return labelMap.size();
}
public void setGrayLevel(int grayLevel) {
this.grayLevel = grayLevel;
}
public BFSAlgorithm(List<PixelPoint> pixelList)
{
this.pixelList = pixelList;
grayLevel = 1; // front color - target pixel
}
public void process()
{
if(this.pixelList == null) return;
int label = 1;
for(PixelPoint pp : pixelList)
{
if(pp.getValue() >= grayLevel)
{
if(pp.getStatus() == PixelPoint.UNMARKED)
{
pp.setStatus(PixelPoint.VISITED);
pp.setLabel(label);
MyQueue mq = new MyQueue(10000);
for(PixelPoint npp : pp.getNeighbours())
{
if(npp.getStatus() == PixelPoint.UNMARKED && npp.getValue() >= grayLevel)
{
npp.setStatus(PixelPoint.MARKED);
mq.enqueue(npp);
}
}
while(!mq.isEmpty())
{
PixelPoint obj = (PixelPoint)mq.dequeue();
if(obj.getStatus() == PixelPoint.MARKED)
{
obj.setLabel(label);
obj.setStatus(PixelPoint.VISITED);
}
for(PixelPoint nnpp : obj.getNeighbours())
{
if(nnpp.getStatus() == PixelPoint.UNMARKED && nnpp.getValue() >= grayLevel)
{
nnpp.setStatus(PixelPoint.MARKED);
mq.enqueue(nnpp);
}
}
}
label++;
}
}
}
}
}
|
图像组件标记算法代码：
|
1
2
3
4
5
6
|
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在 MySQL 实际应用中，“频繁写入同一表” 是常见场景 —— 如实时日志存储（用户操作日志、系统运行日志）、高频交易记录（支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系，我将从相关系数的核心定义与类型切入，详解 “数 ...
2025-10-30对 CDA（Certified Data Analyst）数据分析师而言，“相关系数” 不是简单的数字计算，而是 “从业务问题出发，量化变量间关联强 ...
2025-10-30在构建前向神经网络（Feedforward Neural Network，简称 FNN）时，“隐藏层数目设多少？每个隐藏层该放多少个神经元？” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是：Excel 透 ...
2025-10-29在 CDA（Certified Data Analyst）数据分析师的工作中，“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中，“正态分布” 是许多统计方法（如 t 检验、方差分析、线性回归）的核心假设 —— 数据符合正态分布时，统计检验的 ...
2025-10-28箱线图（Box Plot）作为展示数据分布的核心统计图表，能直观呈现数据的中位数、四分位数、离散程度与异常值，是质量控制、实验分 ...
2025-10-28在 CDA（Certified Data Analyst）数据分析师的工作中，“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域，单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布，却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合，理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA（Certified Data Analyst）数据分析师而言，“假设检验” 绝非 “套用统计公式的机械操作”，而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中，“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”，直接决定了运营动作 ...
2025-10-24在卷积神经网络（CNN）的训练中，“卷积层（Conv）后是否添加归一化（如 BN、LN）和激活函数（如 ReLU、GELU）” 是每个开发者都 ...
2025-10-24在数据决策链条中，“统计分析” 是挖掘数据规律的核心，“可视化” 是呈现规律的桥梁 ——CDA（Certified Data Analyst）数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上，Python 凭借其丰富的科学计算库（NumPy、FilterPy）、深度学习框架（PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域，“状态估计” 是核心任务 —— 即从含噪声的观测数据中，精准推断系统的真 ...
2025-10-23在数据分析全流程中，“数据清洗” 恰似烹饪前的食材处理：若食材（数据）腐烂变质、混杂异物（脏数据），即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域，“大模型” 已成为近年来的热点标签：从参数超 1750 亿的 GPT-3，到万亿级参数的 PaLM，再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中，“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
