原理
泛洪填充算法和分水岭算法是图像处置惩罚中的两种紧张算法，主要用于区域分割，但它们的原理和应用场景有所不同，但是他们的基础头脑都是基于区域迭代实现的区域之间的分别。
泛洪算法
泛洪填充算法（Flood Fill）是一种经典的图像处置惩罚算法，用于确定和标志与给定点连接的区域，通常在图像填充、分割、边界检测等方面应用广泛。为了更直观地理解泛洪填充算法，我们可以通过一系列生动的图像和步骤来先容其工作原理。
假设我们有一个二维图像，每个像素可以有不同的颜色或灰度值。泛洪填充算法的目标是从某个起始像素开始，填充全部与其相连且具有雷同颜色的像素。常见的应用包括图像编辑中的填充工具（如油漆桶工具）和迷宫求解等。
算法流程
以下是泛洪填充算法的基本步骤，共同图像说明：
- 选择起始点和目标颜色：
- 选择图像中的一个起始像素点（如鼠标点击的位置），记作 (x, y)。
- 确定要填充的目标颜色。
- 初始化队列：
- 处置惩罚队列：
当队列不为空时，重复以下步骤：
- 从队列中取出一个像素点 (cx, cy)。
- 假如 (cx, cy) 的颜色等于目标颜色，则举行填充。
- 将 (cx, cy) 的四个邻居（上、下、左、右）加入队列（假如这些邻居还没有被处置惩罚过且颜色等于目标颜色）。
分水岭算法
分水岭算法是一种基于形态学和拓扑学的图像分割技术。它将图像视为一个拓扑地形，通过标志图像的不同区域（例如山脉和盆地）举行分割。分水岭算法的基本头脑是通过模拟雨水从山顶流向盆地的过程，确定图像中不同区域的边界。
分水岭迭代过程：
- 把梯度图像中的全部像素按照灰度值举行分类，并设定一个测地距离阈值。
- 找到灰度值最小的像素点（默认标志为灰度值最低点），让threshold从最小值开始增长，这些点为起始点。
- 水平面在增长的过程中，会碰到周围的邻域像素，丈量这些像素到起始点（灰度值最低点）的测地距离，假如小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，如许就对这些邻域像素举行了分类。
- 随着水平面越来越高，会设置更多更高的大坝，直到灰度值的最大值，全部区域都在分水岭线上相遇，这些大坝就对整个图像像素的举行了分区。
实际应用时常联合其他预处置惩罚，来实现前后景的分割：
算法流程
- 梯度盘算： 起首盘算图像的梯度，梯度可以使用 Sobel 算子或其他方法盘算。梯度图像反映了图像中像素值变革的幅度。
此中，
|
