图(Java实现)

常用概念

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-l5zPYczu-1647435194678)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316201217284.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0P11Wqyf-1647435194679)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316201239274.png)]

表示方式

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2n1ScZgm-1647435194680)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316201332514.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-r1IjXUuq-1647435194681)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316201451661.png)]

图遍历

图的深度优先遍历

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SeIeacDS-1647435194682)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316202904389.png)]

算法步骤

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2PdC0rnk-1647435194682)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316203122456.png)]

图的深度优先遍历及算法步骤

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5g1OHPfp-1647435194682)(C:\Users\许正\AppData\Roaming\Typora\typora-user-images\image-20220316204456303.png)]

代码实现

package com.xz.graph;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;

/**
 * @author 许正
 * @version 1.0
 */
public class Graph {
    private ArrayList<String> vertexList; //存储顶点集合
    private int[][] edges; //存储图对应的邻结矩阵
    private int numOfEdges; //表示边的数目
    //定义给数组boolean[], 记录某个结点是否被访问
    private boolean[] isVisited;

    public static void main(String[] args) {
        //测试一把图是否创建ok
        int n = 8;  //结点的个数
        //String Vertexs[] = {"A", "B", "C", "D", "E"};
        String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};

        //创建图对象
        Graph graph = new Graph(n);
        //循环的添加顶点
        for (String vertex : Vertexs) {
            graph.insertVertex(vertex);
        }

        //添加边
        //A-B A-C B-C B-D B-E
//    graph.insertEdge(0, 1, 1); // A-B
//    graph.insertEdge(0, 2, 1); //
//    graph.insertEdge(1, 2, 1); //
//    graph.insertEdge(1, 3, 1); //
//    graph.insertEdge(1, 4, 1); //

        //更新边的关系
        graph.insertEdge(0, 1, 1);
        graph.insertEdge(0, 2, 1);
        graph.insertEdge(1, 3, 1);
        graph.insertEdge(1, 4, 1);
        graph.insertEdge(3, 7, 1);
        graph.insertEdge(4, 7, 1);
        graph.insertEdge(2, 5, 1);
        graph.insertEdge(2, 6, 1);
        graph.insertEdge(5, 6, 1);


        //显示一把邻结矩阵
        graph.showGraph();

        //测试一把,我们的dfs遍历是否ok
        System.out.println("深度遍历");
        graph.dfs(); // A->B->C->D->E [1->2->4->8->5->3->6->7]
//    System.out.println();
        System.out.println("广度优先!");
        graph.bfs(); // A->B->C->D-E [1->2->3->4->5->6->7->8]

    }

    //构造器
    public Graph(int n) {
        //初始化矩阵和vertexList
        edges = new int[n][n];
        vertexList = new ArrayList<String>(n);
        numOfEdges = 0;

    }

    //得到第一个邻接结点的下标 w

    /**
     * @param index
     * @return 如果存在就返回对应的下标,否则返回-1
     */
    public int getFirstNeighbor(int index) {
        for (int j = 0; j < vertexList.size(); j++) {
            if (edges[index][j] > 0) {
                return j;
            }
        }
        return -1;
    }

    //根据前一个邻接结点的下标来获取下一个邻接结点
    public int getNextNeighbor(int v1, int v2) {
        for (int j = v2 + 1; j < vertexList.size(); j++) {
            if (edges[v1][j] > 0) {
                return j;
            }
        }
        return -1;
    }

    //深度优先遍历算法
    //i 第一次就是 0
    private void dfs(boolean[] isVisited, int i) {
        //首先我们访问该结点,输出
        System.out.print(getValueByIndex(i) + "->");
        //将结点设置为已经访问
        isVisited[i] = true;
        //查找结点i的第一个邻接结点w
        int w = getFirstNeighbor(i);
        while (w != -1) {//说明有
            if (!isVisited[w]) {
                dfs(isVisited, w);
            }
            //如果w结点已经被访问过
            w = getNextNeighbor(i, w);
        }

    }

    //对dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
    public void dfs() {
        isVisited = new boolean[vertexList.size()];
        //遍历所有的结点,进行dfs[回溯]
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]) {
                dfs(isVisited, i);
            }
        }
    }

    //对一个结点进行广度优先遍历的方法
    private void bfs(boolean[] isVisited, int i) {
        int u; // 表示队列的头结点对应下标
        int w; // 邻接结点w
        //队列,记录结点访问的顺序
        LinkedList queue = new LinkedList();
        //访问结点,输出结点信息
        System.out.print(getValueByIndex(i) + "=>");
        //标记为已访问
        isVisited[i] = true;
        //将结点加入队列
        queue.addLast(i);

        while (!queue.isEmpty()) {
            //取出队列的头结点下标
            u = (Integer) queue.removeFirst();
            //得到第一个邻接结点的下标 w
            w = getFirstNeighbor(u);
            while (w != -1) {//找到
                //是否访问过
                if (!isVisited[w]) {
                    System.out.print(getValueByIndex(w) + "=>");
                    //标记已经访问
                    isVisited[w] = true;
                    //入队
                    queue.addLast(w);
                }
                //以u为前驱点,找w后面的下一个邻结点
                w = getNextNeighbor(u, w); //体现出我们的广度优先
            }
        }

    }

    //遍历所有的结点,都进行广度优先搜索
    public void bfs() {
        isVisited = new boolean[vertexList.size()];
        for (int i = 0; i < getNumOfVertex(); i++) {
            if (!isVisited[i]) {
                bfs(isVisited, i);
            }
        }
    }

    //图中常用的方法
    //返回结点的个数
    public int getNumOfVertex() {
        return vertexList.size();
    }

    //显示图对应的矩阵
    public void showGraph() {
        for (int[] link : edges) {
            System.err.println(Arrays.toString(link));
        }
    }

    //得到边的数目
    public int getNumOfEdges() {
        return numOfEdges;
    }

    //返回结点i(下标)对应的数据 0->"A" 1->"B" 2->"C"
    public String getValueByIndex(int i) {
        return vertexList.get(i);
    }

    //返回v1和v2的权值
    public int getWeight(int v1, int v2) {
        return edges[v1][v2];
    }

    //插入结点
    public void insertVertex(String vertex) {
        vertexList.add(vertex);
    }
    //添加边

    /**
     * @param v1     表示点的下标即使第几个顶点  "A"-"B" "A"->0 "B"->1
     * @param v2     第二个顶点对应的下标
     * @param weight 表示
     */
    public void insertEdge(int v1, int v2, int weight) {
        edges[v1][v2] = weight;
        edges[v2][v1] = weight;
        numOfEdges++;
    }
}
  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Java实现检索片可以通过以下步骤实现: 1. 首先,我们需要使用Java提供的像处理库,如Java AWT或JavaFX库,来读取和处理像。通过这些库,我们可以加载像文件,获取像的宽度和高度,以及对像进行各种操作。 2. 接下来,我们需要实现像检索算法。像检索是根据像的内容来搜索和匹配具有相似内容的像。常用的像检索算法包括颜色直方、SIFT(尺度不变特征变换)、SURF(速度增强的特征)、局部二进制模式(LBP)等。根据需求选择适合的算法,并使用Java编写实现这些算法的代码。 3. 实现像数据库。像数据库是用于存储和管理像的数据库。我们可以使用关系型数据库(如MySQL)或非关系型数据库(如MongoDB)来创建像数据库。通过将像的特征描述存储在数据库中,可以加快像匹配的速度。 4. 创建用户界面。为了方便用户使用像检索系统,我们可以创建一个带有像上传和搜索功能的用户界面。通过Java形用户界面开发库(如Swing或JavaFX),我们可以创建一个界面,用户可以上传像并进行搜索。 5. 实现像搜索功能。一旦用户上传像,我们可以使用之前实现像检索算法从像数据库中搜索相似的像。将用户上传的像与数据库中的像进行比较,并选择最匹配的像进行返回。 通过上述步骤,我们可以实现Java像检索系统。这个系统可以读取、处理、搜索和匹配像,为用户提供快速的像检索功能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员正正

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值