别再死记硬背DFS/BFS了!用‘洪水漫灌’的思维,5分钟吃透Flood Fill核心与避坑指南
想象一下你正在玩一款像素绘画软件,选中"油漆桶"工具点击一片白色区域,瞬间整个封闭区域变成了红色——这种魔法般的操作背后,正是Flood Fill算法的精妙所在。今天我们不谈枯燥的代码术语,而是用"洪水漫灌"这个生动比喻,带你重新认识这个既基础又强大的算法。
1. 从生活场景理解Flood Fill本质
Flood Fill算法的核心思想可以用三个日常现象完美诠释:
- 油漆桶效应:就像绘图软件中的颜色填充,算法从起点扩散,遇到边界停止
- 病毒传播模型:类似传染病扩散,从感染源开始向周边易感人群蔓延
- 水漫金山现象:想象一滴墨水滴入清水,逐渐晕染整个容器
这些现象的共同特点是区域连通性和边界限制。算法处理的对象通常表现为:
- 二维矩阵(如图像像素、迷宫地图)
- 图结构中的连通分量
- 任何具有邻接关系的离散数据集合
关键认知:Flood Fill不是某种具体实现,而是一类处理连通区域的策略框架。就像"交通工具"可以细分为汽车、飞机、轮船一样。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 两种‘漫灌’方式:DFS与BFS的实战对比
2.1 递归DFS:瀑布式的垂直渗透
递归实现如同打井——不断向深处挖掘,直到触达含水层(边界条件)。来看这段经典实现:
python复制def flood_fill_dfs(image, x, y, old_color, new_color):
# 边界检查
if (x < 0 or y < 0 or x >= len(image) or y >= len(image[0])
or image[x][y] != old_color or image[x][y] == new_color):
return
image[x][y] = new_color # 染色
# 四邻域扩散
flood_fill_dfs(image, x+1, y, old_color, new_color)
flood_fill_dfs(image, x-1, y, old_color, new_color)
