京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31