我目前正在寻找一种好的算法来找到2D坐标中的分隔线。
以下是我所拥有的内容:
所以这里的算法应该返回我有3个不同的分隔线,我希望以后能够在执行期间知道一个点属于哪一行。
有没有人有想法解决这个问题?
注意:区域和线条在内存中由布尔值的2D数组表示。颜色是数据的一部分。
答案 0 :(得分:2)
你需要的东西似乎是图形的连通分量,其中每个单元格是一个顶点,如果它们共享一个边,则连接顶点。有几种算法可用于查找连接的组件,最值得注意的是广度优先搜索和深度优先搜索。
这些算法中的每一个都可以返回组件的数量(“行”),并且还允许为每个单元分配它所属的组件的数量。
答案 1 :(得分:1)
以下是我提出的一个示例:(使用Swift 2 Xcode 7 beta 2在Playground中测试)
struct Point{
var x, y: Int
init(_ x: Int, _ y: Int) {
self.x = x
self.y = y
}
/**
get points around it (Xs around P)
if all {
XXX
XPX
XXX
} else {
OXO
XPX
OXO
}
**/
func pointsAround(all all: Bool = true) -> [Point] {
if all {
return Array(-1...1).flatMap{ x in
(-1...1).flatMap{ y in
if x == 0 && y == 0 {
return nil
}
return Point(self.x + x, self.y + y)
}
}
}
return Array(-1...1).flatMap{ x in
(-1...1).flatMap{ y in
if abs(x) == abs(y) {
return nil
}
return Point(self.x + x, self.y + y)
}
}
}
}
func distinguishAreas(var array: [[Bool]]) -> [[Point]] {
// result
var points = [[Point]]()
let width = array.count
let height = array[0].count
// returns array[x][y] but with savety check (otherwise false)
func getBool(x: Int, _ y: Int) -> Bool {
guard 0..<width ~= x && 0..<height ~= y else { return false }
return array[x][y]
}
// points where to check array
var crawlers = [Point]()
// loop through whole array
for x in 0..<array.count {
for y in 0..<array[0].count where array[x][y] {
// if point (array[x][x]) is true
// new point where to check
crawlers = [Point(x, y)]
// points to append (one area)
var newPoints = [Point]()
// loop as long as area is not "eaten" by crawlers
while crawlers.count != 0 {
// crawlers "eat" area and remove some of themselves
crawlers = crawlers.filter{
let temp = array[$0.x][$0.y]
array[$0.x][$0.y] = false
return temp
}
newPoints += crawlers
// make new crawlers around old crawlers and only where area is
// passing false to p.pointsAround is mouch faster than true
crawlers = crawlers.flatMap{ p in
p.pointsAround(all: false).filter{ getBool($0.x, $0.y) }
}
}
points.append(newPoints)
}
}
return points
}
编辑:在评论// crawlers "eat" area and remove some of themselves
下进行了更改,这使得算法在大区域内更有效