连通组件标记算法–算法修正版

简介: 连通组件标记算法–算法修正版 昨天使用自己修改的连通组件标记算法代码去对一个稍微复杂点的图片做皮肤的最大连通 区域识别,发现Java报了栈溢出错误,自己想了想,感觉是合并标记时其中一段递归的代 码的问题,修改为非递归以后,运行结果吓我一跳,发现更加的不对,最后发现原来我读 取标记时候使用了逻辑操作符&,导致标记超过255时候被低位截取。

连通组件标记算法–算法修正版

昨天使用自己修改的连通组件标记算法代码去对一个稍微复杂点的图片做皮肤的最大连通

区域识别,发现Java报了栈溢出错误,自己想了想,感觉是合并标记时其中一段递归的代

码的问题,修改为非递归以后,运行结果吓我一跳,发现更加的不对,最后发现原来我读

取标记时候使用了逻辑操作符&,导致标记超过255时候被低位截取。为了找到这个错误,

花了一个下午的时间重新完成了代码与测试。

 

一:基本原理如下


以前的有问题的算法版本连接,看这里:

http://blog.csdn.net/jia20003/article/details/7596443

二:完整的算法代码如下:

package com.gloomyfish.face.detection;

import java.util.Arrays;
import java.util.HashMap;

/**
 * fast connected component label algorithm
 * 
 * @date 2012-05-23
 * @author zhigang
 *
 */
public class AdjustableConnectedComponentLabelAlg {
	private int bgColor;
	public int getBgColor() {
		return bgColor;
	}

	public void setBgColor(int bgColor) {
		this.bgColor = bgColor;
	}

	private int[] outData;
	private int dw;
	private int dh;
	
	public AdjustableConnectedComponentLabelAlg() {
		bgColor = 255; // black color
	}

	public int[] doLabel(int[] inPixels, int width, int height) {
		dw = width;
		dh = height;
		int nextlabel = 1;
		int result = 0;
		outData = new int[dw * dh];
		for(int i=0; i<outData.length; i++) {
			outData[i] = 0;
		}
		
		// we need to define these two variable arrays.
		int[] eightNeighborhoodPixels = new int[8];
		int[] eightNeighborhoodLabels = new int[8];
		int[] knownLabels = new int[8];
		
		int srcrgb = 0, index = 0;
		boolean existedLabel = false;
		for(int row = 0; row < height; row ++) {
			for(int col = 0; col < width; col++) {
				index = row * width + col;
				srcrgb = inPixels[index] & 0x000000ff;
				if(srcrgb == bgColor) {
					result = 0; // which means no labeled for this pixel.
				} else {
					// we just find the eight neighborhood pixels.
					eightNeighborhoodPixels[0] = getPixel(inPixels, row-1, col); // upper cell
					eightNeighborhoodPixels[1] = getPixel(inPixels, row, col-1); // left cell
					eightNeighborhoodPixels[2] = getPixel(inPixels, row+1, col); // bottom cell
					eightNeighborhoodPixels[3] = getPixel(inPixels, row, col+1); // right cell
					
					// four corners pixels
					eightNeighborhoodPixels[4] = getPixel(inPixels, row-1, col-1); // upper left corner
					eightNeighborhoodPixels[5] = getPixel(inPixels, row-1, col+1); // upper right corner
					eightNeighborhoodPixels[6] = getPixel(inPixels, row+1, col-1); // left bottom corner
					eightNeighborhoodPixels[7] = getPixel(inPixels, row+1, col+1); // right bottom corner
					
					// get current possible existed labels
					eightNeighborhoodLabels[0] = getLabel(outData, row-1, col); // upper cell
					eightNeighborhoodLabels[1] = getLabel(outData, row, col-1); // left cell
					eightNeighborhoodLabels[2] = getLabel(outData, row+1, col); // bottom cell
					eightNeighborhoodLabels[3] = getLabel(outData, row, col+1); // right cell
					
					// four corners labels value
					eightNeighborhoodLabels[4] = getLabel(outData, row-1, col-1); // upper left corner
					eightNeighborhoodLabels[5] = getLabel(outData, row-1, col+1); // upper right corner
					eightNeighborhoodLabels[6] = getLabel(outData, row+1, col-1); // left bottom corner
					eightNeighborhoodLabels[7] = getLabel(outData, row+1, col+1); // right bottom corner
					
					int minLabel = 0;
					int count = 0;
					for(int i=0; i<knownLabels.length; i++) {
						if(eightNeighborhoodLabels[i] > 0) {
							existedLabel = true;
							knownLabels[i] = eightNeighborhoodLabels[i];
							minLabel = eightNeighborhoodLabels[i];
							count++;
						}
					}
					
					if(existedLabel) {
						if(count == 1) {
							result = minLabel;
						} else {
							int[] tempLabels = new int[count];
							int idx = 0;
							for(int i=0; i<knownLabels.length; i++) {
								if(knownLabels[i] > 0){
									tempLabels[idx++] = knownLabels[i];
								}
								if(minLabel > knownLabels[i] && knownLabels[i] > 0) {
									minLabel = knownLabels[i];
								}
							}
							result = minLabel;
							mergeLabels(index, result, tempLabels);
						}
					} else {
						result = nextlabel;
						nextlabel++;
					}
					outData[index] = result;
					// reset and cleanup the known labels now...
					existedLabel = false;
					for(int kl = 0; kl < knownLabels.length; kl++) {
						knownLabels[kl] = 0;
					}
				}
			}
		}
		
		// labels statistic
		HashMap<Integer, Integer> labelMap = new HashMap<Integer, Integer>();
		for(int d=0; d<outData.length; d++) {
			if(outData[d] != 0) {
				if(labelMap.containsKey(outData[d])) {
					Integer count = labelMap.get(outData[d]);
					count+=1;
					labelMap.put(outData[d], count);
				} else {
					labelMap.put(outData[d], 1);
				}
			}
		}
		
		// try to find the max connected component
		Integer[] keys = labelMap.keySet().toArray(new Integer[0]);
		Arrays.sort(keys);
		int maxKey = 1;
		int max = 0;
		for(Integer key : keys) {
			if(max < labelMap.get(key)){
				max = labelMap.get(key);
				maxKey = key;
			}
			System.out.println( "Number of " + key + " = " + labelMap.get(key));
		}
		System.out.println("maxkey = " + maxKey);
		System.out.println("max connected component number = " + max);
		return outData;
	}
	
	private void mergeLabels (int index, int result, int[] labels) {
		for(int i=0; i<labels.length; i++) {
			if(labels[i] == result) continue;
			mergeLabel(index, result, labels[i]);
		}
	}

	private void mergeLabel(int index, int result, int i) {

		int row = index / dw;
		int idx = 0;
		for(int k = 0; k <= row; k++) {
			for(int col = 0; col < dw; col++) {
				idx = k * dw + col;
				if(outData[idx] == i) {
					outData[idx] = result;
				}
			}
		}
		
	}
	
	private int getLabel(int[] data, int row, int col) {
		// handle the edge pixels
		if(row < 0 || row >= dh) {
			return 0;
		}
		
		if(col < 0 || col >= dw) {
			return 0;
		}
		
		int index = row * dw + col;
		return (data[index] & 0xffffffff);
		
		// it's difficulty for me to find the data overflow issue......
		// return (data[index] & 0x000000ff); defect, @_@
	}

	private int getPixel(int[] data, int row, int col) {
		// handle the edge pixels
		if(row < 0 || row >= dh) {
			return bgColor;
		}
		
		if(col < 0 || col >= dw) {
			return bgColor;
		}
		
		int index = row * dw + col;
		return (data[index] & 0x000000ff);
	}

	/**
	 * binary image data:
	 * 
	 * 255, 0,   0,   255,   0,   255, 255, 0,   255, 255, 255,
	 * 255, 0,   0,   255,   0,   255, 255, 0,   0,   255, 0,
	 * 255, 0,   0,   0,     255, 255, 255, 255, 255, 0,   0,
	 * 255, 255, 0,   255,   255, 255, 0,   255, 0,   0,   255
	 * 255, 255, 0,   0,     0,   0,   255, 0,   0,   0,   0
	 * 
	 * height = 5, width = 11
	 * @param args
	 */
	public static int[] imageData = new int[]{
		 255, 0,   0,   255,   0,   255, 255, 0,   255, 255, 255,
		 255, 0,   0,   255,   0,   255, 255, 0,   0,   255, 0,
		 255, 0,   0,   255,     255, 255, 255, 255, 255, 0,   0,
		 255, 255, 0,   255,   255, 255, 0,   255, 0,   0,   255,
		 255, 255, 0,   0,     0,   0,   255, 255,   0,   0,   0,
		 255, 255, 255, 255,   255, 255, 255, 255, 255, 255, 255,
		 255, 0,   255, 0,     255, 0,   0,   255, 255, 255, 255,
		 255, 255, 0,   0,     255, 255, 255, 0,   0,   255, 255
	};
	
	public static void main(String[] args) {
		AdjustableConnectedComponentLabelAlg ccl = new AdjustableConnectedComponentLabelAlg();
		int[] outData = ccl.doLabel(imageData, 11, 8);
		for(int i=0; i<8; i++) {
			System.out.println("--------------------");
			for(int j = 0; j<11; j++) {
				int index = i * 11 + j;
				if(j != 0) {
					System.out.print(",");
				}
				System.out.print(outData[index]);
			}
			System.out.println();
		}
	}

}
目录
相关文章
|
2月前
|
存储 算法 Java
【JVM】垃圾释放方式:标记-清除、复制算法、标记-整理、分代回收
【JVM】垃圾释放方式:标记-清除、复制算法、标记-整理、分代回收
54 2
|
3月前
|
XML JavaScript 前端开发
学习react基础(1)_虚拟dom、diff算法、函数和class创建组件
本文介绍了React的核心概念,包括虚拟DOM、Diff算法以及如何通过函数和类创建React组件。
31 3
|
5月前
|
算法 Java
Java面试题:解释垃圾回收中的标记-清除、复制、标记-压缩算法的工作原理
Java面试题:解释垃圾回收中的标记-清除、复制、标记-压缩算法的工作原理
60 1
|
5月前
|
算法 Java
Java演进问题之标记-复制算法导致更多的内存占用如何解决
Java演进问题之标记-复制算法导致更多的内存占用如何解决
|
5月前
|
算法 Java 程序员
Java面试题:解释Java的垃圾回收机制,包括常见的垃圾回收算法。介绍一下Java的垃圾回收算法中的标记-压缩算法。
Java面试题:解释Java的垃圾回收机制,包括常见的垃圾回收算法。介绍一下Java的垃圾回收算法中的标记-压缩算法。
51 0
|
6月前
|
存储 算法 安全
JVM-内存划分-垃圾回收器-回收算法-双亲委派-三色标记
JVM-内存划分-垃圾回收器-回收算法-双亲委派-三色标记
|
6月前
|
算法 计算机视觉
图像处理之基于图的广度优先搜索组件标记算法
图像处理之基于图的广度优先搜索组件标记算法
34 0
|
2月前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
1天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
2天前
|
算法
基于大爆炸优化算法的PID控制器参数寻优matlab仿真
本研究基于大爆炸优化算法对PID控制器参数进行寻优,并通过Matlab仿真对比优化前后PID控制效果。使用MATLAB2022a实现核心程序,展示了算法迭代过程及最优PID参数的求解。大爆炸优化算法通过模拟宇宙大爆炸和大收缩过程,在搜索空间中迭代寻找全局最优解,特别适用于PID参数优化,提升控制系统性能。