floodfill

本次要讲的范例是反向投影，反向投影如果是按照字面上的理解，还有书本上的理解可能会比较困难，但是如果是举一些具体的简单的例子，那可能就比较容易接受了，应用的话，可以检测出肤色区域，例如，你有一个肤色直方图 ( Hue-Saturation 直方图 ),你可以用它来寻找图像中的肤色区域，现在我们来看看反向变换吧。 1、原理 图像的反向投影图是用输入图像的某一位置上像素值（多维或灰度）对应在直方图的一个bin上的值来代替该像素值，所以得到的反向投影图是单通的。 举个小例 (1)例如灰度图像如下 Image= 0 1 2 3 4 5 6 7 8 9 10 11 8 9 14 15 (2)该灰度图的直方图为（bin指定的区间为[0,3)，[4,7)，[8,11)，[12,16)） Histogram= 4 4 6 2 (3)反向投影图 Back_Projection= 4 4 4 4 4 4 4 4 6 6 6 6 6 6 2 2 例如位置(0,0)上的像素值为0，对应的bin为[0,3)，所以反向直方图在该位置上的值这个bin的值4。 这个操作与前面介绍的LUT()方法非常类似，只不过是将LUT（）参数中的查找表改成直方图而已。 2、代码实现 ①、代码运用了floodfull（）函数，点击图片的位置，得到填充的联通图，赋值给mask，计算mask所对应图片部位的直方图，再对图片进行反向投影

#泛洪填充 import cv2 as cv import numpy as np def fillblooding_demo(image): h, w = image.shape[:2] image_copy = image.copy() mask = np.zeros(shape=(h+2, w+2), dtype=np.uint8) cv.floodFill(image,mask,(107, 314), (0, 0, 255), (50, 50, 50), (50, 50, 50), cv.FLOODFILL_FIXED_RANGE) cv.imshow("src", image) cv.imshow("dst", image_copy) cv.waitKey(0) image = cv.imread("d:/a.jfif") fillblooding_demo(image) 在floodfill函数中，第二参数是掩膜，掩膜为1的区域被遮盖住了，不能用于泛洪。第二个参数是起始坐标，注意先列后行。第三个坐标是目标颜色，第四个坐标是泛洪的下界，第五个坐标是泛洪的上界（就是能够比第二个参数的像素值大多少），第六个参数是固定的。 来源： https://www.cnblogs.com/loubin/p/12292189.html

文章目录 floodfill问题——岛屿的最大面积 问题描述 思路 代码 扩展 floodfill问题——岛屿的最大面积 问题描述 题目来自Leetcode695题 给定一个包含了一些 0 和 1的非空二维数组 grid , 一个 岛屿 是由四个方向 (水平或垂直) 的 1 (代表土地) 构成的组合。你可以假设二维矩阵的四个边缘都被水包围着。 找到给定的二维数组中最大的岛屿面积。(如果没有岛屿，则返回面积为0。) 示例 1: [[0,0,1,0,0,0,0,1,0,0,0,0,0], [0,0,0,0,0,0,0,1,1,1,0,0,0], [0,1,1,0,1,0,0,0,0,0,0,0,0], [0,1,0,0,1,1,0,0,1,0,1,0,0], [0,1,0,0,1,1,0,0,1,1,1,0,0], [0,0,0,0,0,0,0,0,0,0,1,0,0], [0,0,0,0,0,0,0,1,1,1,0,0,0], [0,0,0,0,0,0,0,1,1,0,0,0,0]] 对于上面这个给定矩阵应返回 6。注意答案不应该是11，因为岛屿只能包含水平或垂直的四个方向的‘1’。 示例 2: [[0,0,0,0,0,0,0,0]] 对于上面这个给定的矩阵, 返回 0。 注意: 给定的矩阵grid 的长度和宽度都不超过 50。 思路 对于这类问题，都是基于以下思路，遍历二维数组