Connected-component labeling

南台資工的林教授聽說我們有使用氾濫式(flood fill)演算法，就熱心地介紹了如上的演算法，說這個演算法可以達到一樣的目的，而且相當快速！簡單說就是先將黑白二值化的圖做編碼，每一個實質相連的目標區塊，經過掃描編碼與調整後會有同樣的編號，就可以當作一個獨立目標來處理了！下面是處理的過程：

有趣的是：這個方法正是我之前(2014年)自以為是新「發明」的快速目標組織演算法！下面是當時我製作的教材畫面：

真的就是一模一樣！可見我不是甚麼了不起的天才，能發明出前面幾十年的影像辨識專家都想不出來的神奇演算法！但是我可以不看這些文獻就自己摸索出一樣的演算法，也算奇葩了！這件事情也證實了我的一種直覺：數位影像中的變數就是那麼多而已，如同下棋，不會有誰可以發明出前無古人的新奇招式的！即使真的是你第一個想到，也不必太得意，別人即使不偷學你的機密，遲早也會想到的！

但是老實說，我現在的產品中已經沒有繼續用這種編碼的演算法，反而是回復使用傳統的氾濫式演算法，只是增加了一點節省運算次數的優化而已。原因是我發現這樣編碼速度是很快，但是編碼完之後還是必須做匯集同編碼資料點成為待處理目標的運算，氾濫式演算法則是一次就搜尋出一個目標，編碼演算法整體速度並沒有快多少，最多僅三五趴而已！

考慮到這種編碼方式流程較為迂迴複雜，為了程式維護與修改的方便，我多數的軟體中都不再刻意使用這種編碼演算法了！我之前還把這個當作商業機密咧！原來只是前輩文獻中已經發表過的一種技術而已，獻醜見笑了！