技术求助：二值图像黑色形状数量统计及分割算法咨询

嘿，我来帮你梳理下这个用于统计二值图像中黑色形状数量的算法逻辑——它本质是用**深度优先搜索(DFS)**实现的连通域标记方案，具体拆解如下：

核心思路 #

这个算法通过遍历图像的每一个像素，对每个未被标记的黑色像素（值为0）启动一次区域标记：把整个连通的黑色形状所有像素都替换成同一个唯一的标记值，每完成一次标记就代表找到了一个新的黑色形状，最终val-1的数值就是黑色形状的总数量。

算法伪代码实现 #

val = 1
for x = 1 to 列数
    for y = 1 to 行数
        if image(x,y) == 0 /* 检测到未标记的黑色形状像素 */
            segment(image, val, x, y)
            val = val + 1

function segment(image, val, x, y)
    image(x,y) = val /* 将当前像素标记为val */
    for i = -1 to 1
        for j = -1 to 1
            /* 检查邻域内的像素是否为未标记的黑色像素 */
            if image(x+i, y+j) == 0
                segment(image, val, x+i, y+j)
end function

关键细节解释 #

• 初始化标记值val=1：用这个变量给每个独立的黑色形状分配唯一的标记，从1开始是为了和黑色像素的0值区分开，避免混淆。
• 双层遍历图像：按列(x)、行(y)的顺序逐个检查像素，确保不会遗漏任何一个未标记的黑色区域。
• DFS递归标记连通域：segment函数是核心，它会把当前像素标记后，遍历其8邻域（周围3x3的所有像素），只要邻域内还有未标记的黑色像素，就继续递归标记，直到整个连通的黑色形状都被标记为同一个val值。
• 计数逻辑：每完成一次segment调用，val就自增1，最终val-1就是黑色形状的总数（因为初始val是1，第一次标记后val变成2，对应1个形状）。

注意事项 #

• 原伪代码没有处理图像边界判断，实际开发时必须检查x+i和y+j是否在图像的行列范围内，否则会出现数组越界的错误。
• 这里默认是8连通域判断（斜向相邻的像素也算同一形状），如果需要4连通（仅上下左右相邻），只需把邻域遍历改成只检查(0,1)、(0,-1)、(1,0)、(-1,0)这四个方向即可。

内容的提问来源于stack exchange，提问作者Tzvi Vasserman