最大黑区域

这是一个关于图像处理的问题,目标是找到二值图像中最大的黑区域面积。通过深度优先搜索(DFS)或广度优先搜索(BFS)策略,遍历并标记图像中的像素,找出连续的黑区域,并更新最大面积。输入是图像的行数和列数以及二值矩阵,输出是最大黑区域的像素数量。题目提供了AC代码示例,包括DFS和BFS两种实现方式。
摘要由CSDN通过智能技术生成

题目描述

二值图像是由黑和白两种像素组成的矩形点阵,图像识别的一个操作是求出图像中最大黑区域的面积。请设计一个程序完成二值图像的这个操作。黑区域由黑像素组成,一个黑区域中的每像素至少与该区域中的另一像素相邻,规定一个像素仅与其上、下、左、右的像素相邻。两个不同的黑区域没有相邻的像素。一个黑区域的面积是其所包含的像素数。

输入格式

第 1 行 2 个整数 n 和 m,n 表示树木的数量,m 表示需要的木材总长度。
第 2 行 n 个整数,表示每棵树的高度,值均不超过 10 9 。保证所有木材长度之和大于 m,因此必然有解。

输出格式

输出一行一个数,表示相应的图像中最大黑区域的面积

输入样例

5 6
0 1 1 0 0 1
1 1 0 1 0 1
0 1 0 0 1 0
0 0 0 1 1 1
1 0 1 1 1 0

输出样例

7

要求(无)

————————————————————————————————————————

主要思路

一道搜索板子题,嗯,没了

方向数组

int fx[4][2]= {{1,0},{-1,0},{0,1},{0,-1}};

dfs模板
注意走过的格子赋值为0,不然便会运行搜索(dfs) 1的个数次

void dfs(int x,int y){
	ans=max(ans,t);
	mapp[x][y]=0;//走过的格子赋值为白格子
	for(int i=0;i<4;i++){
		int xx=x+fx[i][0],yy=y+fx[i][1];
		if(xx<1||xx>n||yy<1||yy>m||!mapp[xx][yy])continue;
		t++;
		dfs(xx,yy);
	} 
}

——————AC代码(dfs)

#include<bits/stdc++.h>
using namespace std;
int n,m,fx[4][2]= {{1,0},{-1,0},{0,1},{0,-1}},ans,t;
int mapp[105][105];
void dfs(int x,int y){
	ans=max(ans,t);
	mapp[x][y]=0;//走过的格子赋值为白格子
	for(int i=0;i<4;i++){
		int xx=x+fx[i][0],yy=y+fx[i][1];
		if(xx<1||xx>n||yy<1||yy>m||!mapp[xx][yy])continue;
		t++;
		dfs(xx,yy);
	} 
}
int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++)
	    for(int j=1;j<=m;j++)cin>>mapp[i][j];
	for(int i=1;i<=n;i++)
	    for(int j=1;j<=m;j++)
	    	if(mapp[i][j]==1){ //判断是否为黑元素或是否没有走过 
	    		t=1;//记录黑元素个数
				dfs(i,j);//dfs搜索 
			}
	cout<<ans;
}

——————AC代码(bfs)
经过dalao的多次调试
请注意bfs()中mapp的位置 ————我被坑了~WA
---->错误代码

while(!q.empty()){
	    //ans=max(ans,t);
		node tmp=q.front();
		int x=tmp.x,y=tmp.y;
		mapp[x][y]=0;
		t++;
		q.pop();
		for(int i=0;i<4;i++){
			int xx=x+fx[i][0],yy=y+fx[i][1];
			if(xx<1||xx>n||yy<1||yy>m||!mapp[xx][yy])continue;
			//t++;
			q.push((node){xx,yy});
		}
	}

——————AC代码

#include<bits/stdc++.h>
using namespace std;
int n,m,fx[4][2]={0,1,1,0,-1,0,0,-1},ans;
int mapp[105][105];
struct node{
	int x,y;
};
void bfs(int xr,int yr){
	queue<node> q;
	q.push((node){xr,yr});
	int t=0;
	mapp[xr][yr]=0;
	while(!q.empty()){
	    //ans=max(ans,t);
		node tmp=q.front();
		int x=tmp.x,y=tmp.y;
		t++;
		q.pop();
		for(int i=0;i<4;i++){
			int xx=x+fx[i][0],yy=y+fx[i][1];
			if(xx<1||xx>n||yy<1||yy>m||!mapp[xx][yy])continue;
			//t++;
			mapp[xx][yy]=0;
			q.push((node){xx,yy});
		}
	}
	ans=max(ans,t);
}
int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++)
	    for(int j=1;j<=m;j++)cin>>mapp[i][j];
	for(int i=1;i<=n;i++)
	    for(int j=1;j<=m;j++)
	        if(mapp[i][j]==1){
	        	bfs(i,j);
			}
	cout<<ans;
}

——QAQ

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要找到图像最大连通区域,可以通过以下步骤实现: 1. 二值化图像:将图像转换为二值图像,其最大连通区域色的,其余区域色。 2. 找到连通区域:使用 OpenCV 的 findContours 函数找到所有连通区域的轮廓。 3. 计算连通区域的面积:对于每个连通区域,使用 contourArea 函数计算其面积。 4. 找到最大连通区域:遍历所有连通区域的面积,找到最大的连通区域。 5. 可选步骤:将最大连通区域可视化。可以使用 drawContours 函数将最大连通区域的轮廓绘制在原始图像上。 以下是代码示例: ``` python import cv2 # 读取图像 img = cv2.imread('image.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化图像 thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1] # 找到所有连通区域 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历所有连通区域,找到最大的连通区域 max_area = 0 max_contour = None for contour in contours: area = cv2.contourArea(contour) if area > max_area: max_area = area max_contour = contour # 将最大连通区域绘制在原始图像上 cv2.drawContours(img, [max_contour], 0, (0, 255, 0), 2) # 显示结果 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意,此代码仅处理单个最大连通区域。如果图像有多个最大连通区域,则需要进行更复杂的处理。
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
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