随着现代社会的发展，信息的形式和数量正在迅猛增长。其中很大一部分是图像，图像可以把事物生动地呈现在我们面前，让我们更直观地接受信息。同时，计算机已经作为一种人们普遍使用的工具为人们的生产生活服务。

　　图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。本文接下来将简单粗略介绍下数字图像处理领域中的经典算法。

　　深度优先遍历图的方法（一种递归的定义）是，假定给定图G的初始状态是所有顶点均未被访问过，在G中任选一个顶点i作为遍历的初始点，则深度优先搜索递归调用包含以下操作：

　　（3）搜索该顶点的未被访问的邻接点，若该邻接点存在，则从此邻接点开始进行同样的访问和搜索。

　　注意事项：一定要先将该访问节点出栈后，再将其邻接的未访问的节点入栈。切记不要，之前我的经历，如果没有邻接点就出栈，否则就不出站，但是标记了该节点为访问节点的。

　　此图遍历中最基本的俩种算法，BFS，DFS，入选本图算法十大算法，自是无可争议。

　　在运气不好的情形中，均需要试探完整个解集空间， 显然，只能适用于问题规模不大的搜索问题中。

　　A*算法，作为启发式算法中很重要的一种，被广泛应用在最优路径求解和一些策略设计的问题中。

　　一部分，为g（n），它表示从起始搜索点到当前点的代价（通常用某结点在搜索树中的深度来表示）。

　　一部分，即hIM电竞官网（n），它表示启发式搜索中最为重要的一部分，即当前结点到目标结点的估值。

　　Flood Fill就是从一个点开始往四周寻找相同的点填充，直到有不同的点为止。

　　假设在（i，j）滴好大一滴红墨水，然后水开始漫开，向它的上下左右染色，也就是（i-1，j），（i+1，j），（i，j-1），（i，j+1）这四个点。然后在分别再从这四个点开始向周围染色。。。直到碰到某种边界为止。

　　把这个转化为BFIM电竞官网S的思想，就是队列中初始元素是（i，j），然后把（i，j）扩展状态，得到（i-1，j），（i+1，j），（i，j-1），（i，j+1）这四个状态，加入队列。把（i，j）出列，继续扩展下一个结点。如此

　　此Dijkstra 算法已在本BLOG内俩篇文章中，有所具体阐述，请参见：

　　是Bellman-Ford的队列优化，时效性相对好，时间复杂度O（kE）。（k《《V）。

　　Floyd-Warshall：求多源、无负权边的最短路。用矩阵记录图。时效性较差，时间复杂度O（V^3）。此算法是解决任意两点间的最短路径的一种算法，可以正确处理有向图或负权的最短路径问题。

　　给定正整数a，b，a2b，Kneser图Ka:b是以如下方式定义的一个图：

　　其顶点是从给定的a个元素的集合中选出的b个元素构成的子集，两顶点间有边当且仅当这两个顶点为不交的集合。

　　此最小（权值）生成树的俩种算法，日后，会在本BLOG内 具体而深入阐述。

　　匈牙利算法是众多用于解决线性任务分配问题的算法之一，是用来解决二分图最大匹配问题的经典算法，可以在多项式时间内解决问题，由匈牙利数学家Jack Edmonds于1965年提出。

　　设G=（V，E）是一个无向图。如顶点集V可分区为两个互不相交的子集V1，V2之并，并且图中每条边依附的两个顶点都分属于这两个不同的子集。则称图G为二分图。二分图也可记为G=（V1，V2，E）。

　　给定一个二分图G，在G的一个子图M中，M的边集{E}中的任意两条边都不依附于同一个顶点，则称M是一个匹配。 选择这样的子集中边数最大的子集称为图的最大匹配问题（maximal matching problem）

　　如果一个匹配中，图中的每个顶点都和图中某条边相关联，则称此匹配为完全匹配，也称作完备，完美匹配。

　　求最大匹配的一种显而易见的算法是：先找出全部匹配，然后保留匹配数最多的。但是这个算法的时间复杂度为边数的指数级函数。因此，需要寻求一种更加高效的算法。

　　下面介绍用增广路求最大匹配的方法（称作匈牙利算法，匈牙利数学家Edmonds于1965年提出）。

　　若P是图G中一条连通两个未匹配顶点的路径，并且属于M的边和不属于M的边（即已匹配和待匹配的边）在P上交替出现，则称P为相对于M的一条增广路径。

　　2－将M和P进行异或操作（去同存异）可以得到一个更大的匹配M。

　　（2）找出一条增广路径P，通过异或操作获得更大的匹配M代替M

　　也叫做贝尔曼-福特算法，被用于作为一个距离向量路由协议例如RIP， BGP， ISO IDRP， NOVELL IPX的算法。