使用边缘填充算法原理，分步图示填充过程。此处假定从边P0P1开始逆时针填充直到结束。代码

边缘填充算法是一种图像处理技术，通常用于边界检测后的图像着色或填充。以下是通过步骤解释分步图示填充的过程：

1. **初始化**：首先选择一个起点，比如P0点。这个点通常是已知的边界或轮廓。

2. **标记当前像素**：将P0位置的颜色设为填充颜色，然后将其标记为已处理，避免重复填充。

3. **搜索邻居**：检查P0周围的邻接像素，即P0的上下左右四个方向（如果是在二维图像上）。对于每个未处理的邻接像素（如P1），判断它是否位于轮廓内。

4. **递归填充**：如果P1确实属于内部区域，那么重复步骤2和3，将P1标记并填入颜色。

5. **环绕循环**：继续这个过程，对所有相邻的未处理像素进行同样的操作，直到遍历了所有可以到达的内部像素。这一步可能会形成一个栈，每次出栈就处理一个新的像素。

6. **结束条件**：当所有的邻接像素都处理完毕，或者找不到新的内部像素时，停止循环。此时，从P0开始的所有内部区域都被填充了颜色。

7. **返回起点**：如果还有剩余的边界未处理，返回到起点（例如，回到P0），再次沿着边界寻找下一个未填充的像素，重复整个过程，直至边界完全填充。

这是一个典型的深度优先搜索（DFS）应用，可以用伪代码或者特定编程语言（如Python或C++）实现。下面是一个简化的Python示例（仅表示基本逻辑）：

def edge_fill(image, start_point):
    visited = set()
    stack = [start_point]
    
    while stack:
        current = stack.pop()
        if current not in visited:
            # 设置颜色，添加到已访问集合，标记为已填充
            image[current] = fill_color
            
            for neighbor in get_neighbors(current):
                if is_internal(neighbor) and neighbor not in visited:
                    visited.add(neighbor)
                    stack.append(neighbor)
    
    return image

请注意，实际的实现可能需要考虑更多细节，例如边界条件、像素坐标处理以及如何精确识别内部和外部等。