floodfill 算法（dfs）

Flood Fill

一、先明确：Flood Fill 算法是什么？

Flood Fill（洪水填充算法）是一种区域填充算法，核心功能是：从指定的 “起始点” 出发，将与起始点 “连通且满足相同条件”（如颜色、数值相同）的所有像素 / 单元格，替换为目标值（如新颜色、新标记）。而 “DFS 实现” 是其最经典的方式之一 —— 利用深度优先搜索（Depth-First Search，递归或栈模拟） 的 “先深后广” 特性，优先探索当前点的某一方向（如上下左右），直到走到 “边界” 或 “不满足条件的点”，再回溯探索其他方向，最终遍历所有连通区域。

二、Flood Fill（DFS）的核心原理：3 个关键逻辑

1. 前提条件

要实现算法，需明确 3 个核心要素：

起始点 (x, y)：填充的 “起点”（如鼠标点击的像素位置、矩阵中指定单元格）；

连通规则：判断 “两点是否连通” 的标准，常用两种：

• 4 连通：只允许上下左右 4 个方向相邻（如 “十字形” 连通）；
• 8 连通：允许上下左右 + 斜向共 8 个方向相邻（如 “米字形” 连通，适用于更复杂的区域）；

8 个方向（上下左右 + 四个对角线方向）的向量表示如下，只需在原有 4 方向基础上补充斜向偏移即可：

// 8个方向的x偏移（dx）和y偏移（dy）
int dx[8] = {1, -1, 0, 0, 1, 1, -1, -1};  // 依次对应：下、上、右、左、右下、右上、左下、左上
int dy[8] = {0, 0, 1, -1, 1, -1, 1, -1};

• (dx[0], dy[0]) = (1, 0) → 向下（x+1，y 不变）
• (dx[1], dy[1]) = (-1, 0) → 向上（x-1，y 不变）
• (dx[2], dy[2]) = (0, 1) → 向右（x 不变，y+1）
• (dx[3], dy[3]) = (0, -1) → 向左（x 不变，y-1）
• (dx[4], dy[4]) = (1, 1) → 向右下（x+1，y+1）
• (dx[5], dy[5]) = (1, -1) → 向左下（x+1，y-1）
• (dx[6], dy[6]) = (-1, 1) → 向右上（x-1，y+1）
• (dx[7], dy[7]) = (-1, -1) → 向左上（x-1，y-1）

遍历逻辑与 4 方向一致，通过循环遍历这 8 个偏移量即可覆盖所有相邻点：

for (int i = 0; i < 8; i++) {int new_x = x + dx[i];int new_y = y + dy[i];// 对(new_x, new_y)执行边界检查、填充等操作
}

匹配条件：判断 “是否需要填充” 的规则（如 “当前单元格颜色 == 起始点颜色”“当前数值 == 目标数值”）。

2. DFS 实现的核心逻辑：“递归探索 + 回溯”

DFS 的本质是 “一条路走到头，走不通再回头换路”，对应到 Flood Fill 中，就是：从起始点出发，先 “标记并填充” 当前点，再递归探索当前点的某一方向邻居（如先向上走），直到邻居不满足 “连通 + 匹配条件”（比如出界、颜色不同），再回溯到上一个点，探索下一个方向（如向上走不通，再向下），直到所有连通点都被填充。

用一句话总结：“填当前点 → 递归填邻居 → 邻居填完回溯”，本质是通过递归栈维护 “待探索的路径”。

三、Flood Fill（DFS）的具体步骤（以 4 连通、矩阵颜色填充为例）

假设场景：一个 m×n 的像素矩阵，每个单元格存颜色值，要求从 (startX, startY) 出发，将所有 “4 连通且颜色 = 起始颜色” 的单元格，改为目标颜色。

步骤拆解：

1. 边界与合法性检查：若当前点 (x, y) 超出矩阵范围（x<0 或 x>=m 或 y<0 或 y>=n），或当前点颜色≠起始颜色（说明不是要填充的区域），或当前点已被填充（避免重复递归），则直接 “返回”（终止当前递归分支）。

2. 填充当前点：将当前点 (x, y) 的颜色改为目标颜色（完成 “填充”，同时标记为 “已处理”，避免重复探索）。

3. DFS 递归探索 4 个方向：分别对当前点的 “上、下、左、右”4 个邻居点，重复执行步骤 1-3（递归调用自身）。例：当前点 (x,y)，递归探索 (x-1,y)（上）、(x+1,y)（下）、(x,y-1)（左）、(x,y+1)（右）。

4. 递归终止：所有连通的 “待填充点” 都被处理后，递归栈逐层返回，算法结束。

四、关键注意点：避免 “死循环” 与 “重复递归”

DFS 实现时最容易出现的问题是 “递归栈溢出” 或 “重复处理”，核心解决方式：

• 填充即标记：一旦填充当前点（改为目标颜色），就等同于 “标记为已处理”—— 后续递归检查时，因 “当前颜色≠起始颜色”，会直接返回，避免重复递归；
• 优先检查边界：每次递归先判断 “是否出界、是否需要填充”，不满足则立即返回，减少无效递归；
• 非递归实现（栈模拟）：若矩阵过大，递归可能触发栈溢出，可改用 “栈” 模拟 DFS 流程（将待探索的点压入栈，弹出时处理并压入邻居，逻辑与递归一致）。

五、适用场景

Flood Fill（DFS）是非常实用的基础算法，常见应用包括：

• 图像编辑：画图软件的 “油漆桶工具”（填充相同颜色区域）；
• 游戏开发：扫雷（标记连通的空白区域）、迷宫求解（探索连通路径）、消除类游戏（判断同色方块是否连通）；
• 矩阵处理：标记二维数组中连通的相同数值区域（如地图中标记同一地块）。

通过以上拆解，能清晰看到：Flood Fill 的核心是 “区域连通性判断”，而 DFS 是实现这一过程的 “遍历工具”—— 通过 “深度优先” 的探索方式，高效覆盖所有连通区域，完成填充任务。

题目练习

733. 图像渲染 - 力扣（LeetCode）

算法思路

可以利用 「深搜」 或者 「宽搜」，遍历到与该点相连的所有「像素相同的点」，然后将其修改成指定的像素即可。

递归函数设计

参数：

a. 原始矩阵；

b. 当前所在的位置；

c. 需要修改成的颜色。

函数体：

a. 先将该位置的颜色改成指定颜色（因为我们的判断，保证每次进入递归的位置都是需要修改的位置）；

b. 遍历四个方向上的位置：

• 如果当前位置合法，并且与初试颜色相同，就递归进去。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0, 0, 1, -1};int color, m, n, dist;vector<vector<int>> floodFill(vector<vector<int>>& image, int sr, int sc, int _color) {if(image[sr][sc] == _color) return image;dist = image[sr][sc], color = _color, m = image.size(), n = image[0].size();dfs(image, sr, sc);return image;}void dfs(vector<vector<int>>& image, int i, int j) {image[i][j] = color;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && image[x][y] == dist) {dfs(image, x, y);}}}
};

200. 岛屿数量 - 力扣（LeetCode）

算法思路

遍历整个矩阵，每次找到 「一块陆地」 的时候：

• 说明找到 「一个岛屿」，记录到最终结果 ret 里面；

• 并且将这个陆地相连的所有陆地，也就是这块 「岛屿」，全部 「变成海洋」。这样的话，我们下次遍历到这块岛屿的时候，它 「已经是海洋」 了，不会影响最终结果。

• 其中 「变成海洋」 的操作，可以利用 「深搜」 和 「宽搜」 解决，其实就是 733. 图像渲染 这道题～

这样，当我们遍历完全部的矩阵的时候，ret 存的就是最终结果。

解法（dfs）

算法流程

1. 初始化 ret = 0，记录目前找到的岛屿数量；

2. 双重循环遍历二维网格，每当遇到一块陆地，标记这是一个新的岛屿，然后将这块陆地相连的陆地全部变成海洋。

递归函数的设计

把当前格子标记为水；

向上、下、左、右四格递归寻找陆地，只有在下标位置合理的情况下，才会进入递归：

a. 下一个位置的坐标合理；

b. 并且下一个位置是陆地。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0 ,0 ,1, -1};bool vis[301][301];int ret, m, n;int numIslands(vector<vector<char>>& grid) {m = grid.size(), n = grid[0].size();for(int i = 0; i < m; ++i) for(int j = 0; j < n; ++j) if(grid[i][j] == '1' && !vis[i][j]) {++ret;dfs(grid, i, j);}return ret;}void dfs(vector<vector<char>>& grid, int i, int j) {vis[i][j] = true;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && !vis[x][y] && grid[x][y] == '1') {dfs(grid, x, y);}}}
};

695. 岛屿的最大面积 - 力扣（LeetCode）

算法思路

遍历整个矩阵，每当遇到一块土地的时候，就用 「深搜」 或者 「宽搜」 将与这块土地相连的 「整个岛屿」 的面积计算出来。

然后在搜索得到的 「所有的岛屿面积」 求一个 「最大值」 即可。

在搜索过程中，为了 「防止搜到重复的土地」：

• 可以开一个同等规模的 「布尔数组」，标记一下这个位置是否已经被访问过；

• 也可以将原始矩阵的 1 修改成 0，但是这样操作会修改原始矩阵。

解法（深搜 dfs）

算法流程

主函数内：

a. 遍历整个数组，发现一块没有遍历到的土地之后，就用 dfs，将与这块土地相连的岛屿的面积求出来；

b. 然后将面积更新到最终结果 ret 中。

深搜函数 dfs 中：

a. 能够进到 dfs 函数中，说明是一个没遍历到的位置；

b. 标记一下已经遍历过，设置一个变量 S = 1（当前这个位置的面积为 1），记录最终的面积；

c. 上下左右遍历四个位置：

• 如果找到一块没有遍历到的土地，就将与这块土地相连的岛屿面积累加到 S 上；

d. 循环结束后，S 中存的就是整块岛屿的面积，返回即可。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0, 0, 1, -1};bool vis[51][51];int m, n;int maxAreaOfIsland(vector<vector<int>>& grid) {m = grid.size(), n = grid[0].size();int ret = 0;for(int i = 0; i < m; ++i)for(int j = 0; j < n; ++j) {if(grid[i][j] == 1 && !vis[i][j]) ret = max(ret, dfs(grid, i, j));}return ret;}int dfs(vector<vector<int>>& grid, int i, int j) {vis[i][j] = true;int count = 1;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && !vis[x][y] && grid[x][y] == 1) {count += dfs(grid, x, y);}}return count;}
};

130. 被围绕的区域 - 力扣（LeetCode）

解法

算法思路

正难则反。

可以先利用 dfs 将与边缘相连的 '0' 区域做上标记，然后重新遍历矩阵，将没有标记过的 '0' 修改成 'X' 即可。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0, 0, 1, -1};bool vis[201][201];int m, n;void solve(vector<vector<char>>& board) {m = board.size(), n = board[0].size();for(int i = 0; i < m; ++i) {if(board[i][0] == 'O' && !vis[i][0]) dfs(board, i, 0);if(board[i][n - 1] == 'O' && !vis[i][n - 1]) dfs(board, i, n - 1); }for(int j = 0; j < n; ++j) {if(board[0][j] == 'O' && !vis[0][j]) dfs(board, 0, j);if(board[m - 1][j] == 'O' && !vis[m - 1][j]) dfs(board, m - 1, j);}for(int i = 1; i < m - 1; ++i)for(int j = 1; j < n - 1; ++j)if(!vis[i][j] && board[i][j] == 'O') board[i][j] = 'X';}void dfs(vector<vector<char>>& board, int i, int j) {vis[i][j] = true;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && !vis[x][y] && board[x][y] == 'O') {dfs(board, x, y);}}}
};

417. 太平洋大西洋水流问题 - 力扣（LeetCode）

解法

算法思路

正难则反。

如果直接去判断某一个位置是否既能到大西洋也能到太平洋，会重复遍历很多路径。

我们反着来，从大西洋沿岸开始反向 dfs，这样就能找出那些点可以流向大西洋；同理，从太平洋沿岸也反向 dfs，这样就能找出那些点可以流向太平洋。那么，被标记两次的点，就是我们要找的结果。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0, 0, 1, -1};int m, n;vector<vector<int>> pacificAtlantic(vector<vector<int>>& heights) {m = heights.size(), n = heights[0].size();vector<vector<int>> pac(m, vector<int>(n));auto atl = pac;for(int i = 0; i < m; ++i) {if(!pac[i][0]) dfs(heights, i, 0, pac);if(!atl[i][n - 1])dfs(heights, i, n - 1, atl);}for(int j = 0; j < n; ++j) {if(!pac[0][j]) dfs(heights, 0, j, pac);if(!atl[m - 1][j])dfs(heights, m - 1, j, atl);}vector<vector<int>> ret;for(int i = 0; i < m; ++i)for(int j = 0; j < n; ++j)if(pac[i][j] && atl[i][j]) ret.push_back({i, j});return ret;}void dfs(vector<vector<int>>& heights, int i, int j, vector<vector<int>>& path) {path[i][j] = true;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && !path[x][y] && heights[x][y] >= heights[i][j]) {dfs(heights, x, y, path);}}}
};

529. 扫雷游戏 - 力扣（LeetCode）

解法

算法思路

模拟类型的 dfs 题目。

首先要搞懂题目要求，也就是游戏规则。

从题目所给的点击位置开始，根据游戏规则，来一次 dfs 即可。

class Solution {
public:int dx[8] = {1, -1, 0, 0, 1, 1, -1, -1};int dy[8] = {0, 0, 1, -1, 1, -1, 1, -1};int m, n;vector<vector<char>> updateBoard(vector<vector<char>>& board, vector<int>& click) {m = board.size(), n = board[0].size();int x = click[0], y = click[1];if(board[x][y] == 'M') {board[x][y] = 'X';return board;}dfs(board, x, y);return board;}void dfs(vector<vector<char>>& board, int i, int j) {int count = 0;for(int k = 0; k < 8; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && board[x][y] == 'M') ++count;}if(count) {board[i][j] = count + '0';return;}else {board[i][j] = 'B';for(int k = 0; k < 8; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && board[x][y] == 'E') dfs(board, x, y);}}}
};

LCR 130. 衣橱整理 - 力扣（LeetCode）

算法思路

这是一道非常典型的 「搜索」 类问题。

我们可以通过 「深搜」 或者 「宽搜」，从 [0, 0] 点出发，按照题目的 「规则」 一直往 [m - 1, n - 1] 位置走。

同时，设置一个全局变量。每次走到一个合法位置，就将全局变量加一。当我们把所有能走到的路都走完之后，全局变量里面存的就是最终答案。

解法（dfs）

算法流程

递归函数设计：

a. 参数：当前所在的位置 [i, j]，行走的边界 [m, n]，坐标数位之和的边界 k；

b. 递归出口：

• i. [i, j] 的坐标不合法，也就是已经超出能走的范围；
• ii. [i, j] 位置已经走过了（因此我们需要创建一个全局变量 bool st[101][101]，来标记当前位置是否走过）；
• iii. [i, j] 坐标的数位之和大于 k；上述情况的任何一种都是递归出口。

c. 函数体内部：

• i. 如果这个坐标是合法的，就将全局变量 ret++；
• ii. 然后标记一下 [i, j] 位置已经遍历过；
• iii. 然后去 [i, j] 位置的上下左右四个方向去看看。

辅助函数：

a. 检测坐标 [i, j] 是否合法；

b. 计算出 i, j 的数位之和，然后与 k 作比较即可。

主函数：调用递归函数，从 [0, 0] 点出发。

辅助的全局变量：

a. 二维数组 bool st[101][101]：标记 [i, j] 位置是否已经遍历过；

b. 变量 ret：记录一共到达多少个合法的位置。

c. 上下左右的四个坐标变换。

class Solution {
public:int dx[4] = {1, -1, 0, 0};int dy[4] = {0, 0, 1, -1};int m, n, cnt, ret;bool vis[101][101];int wardrobeFinishing(int _m, int _n, int _cnt) {m = _m, n = _n, cnt = _cnt;dfs(0, 0);return ret;}void dfs(int i, int j) {++ret;vis[i][j] = true;for(int k = 0; k < 4; ++k) {int x = i + dx[k], y = j + dy[k];if(x >= 0 && x < m && y >= 0 && y < n && !vis[x][y] && check(x, y)) {dfs(x, y);}}}bool check(int i, int j) {int tmp = 0;while(i) {tmp += i % 10;i /= 10;}     while(j) {tmp += j % 10;j /= 10;}return tmp <= cnt;}
};