区域填充算法
由于做调研报告和过年，耽搁了一段时间，赶紧补上。惭愧惭愧。
多边形域的填充
算法理论
对于一般多边形，对一条扫描线，可以分为四个步骤：
1. 求交。求扫描线与多边形各边的交点。
2. 排序。交点按递增的顺序排序。
3. 交点配对。将各个交点配对，每对交点代表一个相交区间。
4. 区间填色。
对于扫描线与顶点相交的情况，当共享交点的两条边在扫描线的两边时，交点只算一个。当共享交点的两条边在扫描线的同一边时，交点作为0个或2个。在此规定，两顶点均高于扫描线时，取2个交点，顶点需要填充；两顶点均低于扫描线时，取0个交点，顶点不填充。
对于边界像素，规定落在右/上边界的像素不予填充，落在左下边界的像素予以填充。
即保证下闭上开，左闭右开。
再对上述四个步骤进行讨论。
求交点，活性边表的效率较高，可以利用上一条扫描线的活性边表构造下一条扫描线的活性边表。设边的直线方程为：
ax+by+c=0 a x + b y + c = 0
对于
i+1点 i + 1 点
xi+1=(−byi+1−C)/a=xi−b/a x i + 1 = ( − b y i + 1 − C ) / a = x i − b / a
故
Δx=−b/a Δ x = − b / a 为常量。
故活性边中的结点包括：
x:当前扫描线与边的交点 x : 当 前 扫 描 线 与 边 的 交 点
Δx:x的增量 Δ x : x 的 增 量
ymax:边所交的最高扫描线号 y m a x : 边 所 交 的 最 高 扫 描 线 号
由当前扫描线到下一条扫描线，只有个别结点需要调整，故采用冒泡排序；下一条扫描线新交的边，采用插入排序最适宜。如果有不再相交的边，需要删除出去。
为了方便活性边表的建立与更新，为每个扫描线建立一个新边表，存放在该扫描线第一次出现的边，即存放在 ymin y m i n 的新边表中。新边表每个结点存放对应边的初始信息，包括 x,Δx,ymax x , Δ x , y m a x 等。
填色只需要令b在多边形内时取真，在多边形外时取假，每访问一个节点把b取反一次。一开始置为假，若b为真则进行填色。
算法实现
main.cpp
#includefor (j = i; j > 0&&tmp.x1].x; j--){
row[j] = row[j-1];
}
row[j] = tmp;
}
}
void DrawRow(Mat& m,vector(y, x) = Vec3b(0, 0, 0);
}
}
NeedFill = !NeedFill;
}
}
void RefreshRow(vector<vector EdgeTable.h
#pragma once
#includeEdgeTable.cpp
#include "EdgeTable.h"
EdgeTable::EdgeTable(int n)
{
table = std::vector<std::vectorPolygon.h
#pragma once
#includePolygon.cpp
#include "Polygon.h"
#include结果：
写得还是有点费劲。主要问题在于vector的使用还不熟悉，一开始甚至想自己写链表。其他如传引用还是拷贝构造，遍历时有erase怎么办，都花了一些时间。算法中新边表要加入ymin的x值也疏忽了。加油加油。
边填充算法
算法理论
边填充算法的理论比较简单，没有使用特殊的数据结构，但在实现时出了一些不好解决的问题。
边标志算法分为两步，第一步对多边形的每条边进行直线扫描转换，即对多边形的每条边打上边标志。
第二步则进行填充。对每条与多边形相交的扫描线，从左往右进行扫描，若点在多边形内，置inside为ture，若在多边形外则置false。每次遇到边标志时，令inside=!inside。最后，当inside为真时，则将像素置为多边形色。
算法实现
#include(y, x) == Vec3b(0, 0, 0) && imageROI.at(y, x+1) != Vec3b(0, 0, 0)){
inside = !inside;
}
if (inside != false){
imageROI.at(y, x) = Vec3b(0, 0, 0);
}
}
}
namedWindow("显示结果");
imshow("显示结果", imageROI);
waitKey();
} 其中直线扫描算法、多边形的定义见前述。
结果如图
总结
由图可见，算法实现的结果存在一定问题。
在顶点处，由于像素点只有一个，inside直接取负了，但还可通过对查找顶点、讨论边的另一个顶点位置等方法解决。
图上的(0,0)至(200,100)的边由直线扫描算法，每行均有两个像素点被置为黑色，故算法中加了一步，相邻的两个黑色像素点视为一个边标志。
但又出现了问题。如在y=1这行，两条边的边标志是相邻的，又被视为了一个边标志，造成整行都是黑的。
故个人认为该算法只是比较适合硬件实现，在这种结果中并不太适用。
种子填充算法
算法理论
有点深度优先算法的意思，但是只有上下两个方向作为分支，左右则直接处理了，一定程度上减少了搜索的深度。
初始任意取一个种子元素，当栈非空时进行以下四步
+ 栈顶像素出栈
+ 对包含该像素的左右区间进行填充
+ 对最左、最右像素标记为xl和xr
+ 对上下两个区间进行扫描，如果存在未填充像素，则将区间的最右端元素入栈
算法实现
#include(y, x) == Vec3b(0, 0, 0)){
continue;
}
imageROI.at(y, x) = Vec3b(0, 0, 0);
for (x0 = x + 1; imageROI.at(y, x0) != Vec3b(0, 0, 0); x0++){
imageROI.at(y, x0) = Vec3b(0, 0, 0);
}
xr = x0 - 1;//fill right pixels
for (x0 = x - 1; imageROI.at(y, x0) != Vec3b(0, 0, 0); x0--){
imageROI.at(y, x0) = Vec3b(0, 0, 0);
}
xl = x0 + 1;//fill left pixels
x0 = xl;
y = y + 1;
while (x0 <= xr){
flag = false;
while (imageROI.at(y, x0) != Vec3b(0, 0, 0)&&x0if (flag == false){
flag = true;
}
x0++;
}
if (flag == true){
if (x0 == xr&&imageROI.at(y, x0) != Vec3b(0, 0, 0)){
pixelStack.push(MyPoint(x0, y));
}
else{
pixelStack.push(MyPoint(x0 - 1, y));
}
flag = false;
}
xnextspan = x0;
while (imageROI.at(y, x0) == Vec3b(0, 0, 0) && x0 <= xr){
x0++;
}
if (xnextspan == x0)
x0++;
}//fill y=y+1
x0 = xl;
y = y - 2;
while (x0 <= xr){
flag = false;
while (imageROI.at(y, x0) != Vec3b(0, 0, 0)&&x0if (flag == false){
flag = true;
}
x0++;
}
if (flag == true){
if (x0 == xr&&imageROI.at(y, x0) != Vec3b(0, 0, 0)){
pixelStack.push(MyPoint(x0, y));
}
else{
pixelStack.push(MyPoint(x0 - 1, y));
}
flag = false;
}
xnextspan = x0;
while (imageROI.at(y, x0) == Vec3b(0, 0, 0) && x0 <= xr){
x0++;
}
if (xnextspan == x0)
x0++;
}//fill y=y-1
}
namedWindow("显示结果");
imshow("显示结果", imageROI);
waitKey();
} 效果如图
算法实现起来比较有趣。难受的是又把mat的y和x搞反了，查了好久是什么问题。还是要对opencv多熟悉才行。