广度优先搜索（BFS）用于图像处理

最新推荐文章于 2023-06-07 15:48:02 发布

原创最新推荐文章于 2023-06-07 15:48:02 发布 · 490 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#算法

算法同时被 3 个专栏收录

19 篇文章

订阅专栏

数字图像处理

12 篇文章

订阅专栏

编程之美

9 篇文章

订阅专栏

本文探讨了广度优先搜索(BFS)在特定目的连通区域分析中的有效应用，对比深度优先搜索(DFS)，BFS能更稳定地处理大规模连通区域，避免栈溢出问题。通过具体算法实例，展示了BFS在图像处理中如何标记和遍历连通组件。

最近做一些需求，发现 BFS 还挺好使，经常用，主要是用于特定目的的连通区域分析
理论上深度优先搜索也可以达到同样效果，但实际运用时发现基于栈实现深度优先搜索在处理比较大的连通区域时导致栈溢出，那么还是使用 BFS 吧。

// i - row,
void bfsFix(int i, int j, cv::Mat & img, int thresholdValue, int destValue) {
	int m = img.rows;
	int n = img.cols;

	int dx[8] = { -1, -1, -1, 0, 1, 1, 1, 0 };
	int dy[8] = { -1, 0, 1, 1, 1, 0, -1, -1 };


	std::queue<cv::Point> que;
	que.push(cv::Point(j, i));
	img.at<uchar>(i, j) = destValue;

	while (!que.empty()) {

		auto head = que.front();
		que.pop();

		for (int k = 0; k < 8; k++) {
			int newX = head.x + dx[k];
			int newY = head.y + dy[k];

			if (newX >= 0 && newX < n && newY >= 0 && newY < m) {
				if (img.at<uchar>(newY, newX) >= thresholdValue) {
					img.at<uchar>(newY, newX) = destValue;
					que.push(cv::Point(newX, newY));
				}
			}
		}
	}
}