假设我们有一个表示图像灰度的2D矩阵M,我们必须设计一个更平滑的矩阵,以使每个像素的灰度变为周围所有8个像素及其自身的平均灰度(向下舍入)。如果一个单元的周围单元少于8个,则转换所有可能的像素。
所以,如果输入像
1 | 1 | 1 |
1 | 0 | 1 |
1 | 1 | 1 |
那么输出将是
0 | 0 | 0 |
0 | 0 | 0 |
0 | 0 | 0 |
为了解决这个问题,我们将遵循以下步骤-
R:= M的行数
C:=的列数
定义一个数组d = {-1,0,1}
定义一个大小为(R x C)的2D数组分辨率
对于初始化i:= 0,当i <R时,更新(将i增加1),执行-
sum:= 0,count:= 0
对于初始化k:= 0,当k <3时,更新(将k增加1),-
res [i,j]:=总和/计数
m:= i + d [k],n:= j + d [l]
如果m> = 0且m <R且n> = 0且n <C,则-
将计数增加1,并且总和=总和+ M [m,n]
对于初始化l:= 0,当l − 3时,更新(将l增加1),执行-
对于初始化j:= 0,当j <C时,更新(将j增加1),执行-
返回资源
让我们看下面的实现以更好地理解-
#include <bits/stdc++.h> using namespace std; void print_vector(vector<vector<auto> > v){ cout << "["; for(int i = 0; i<v.size(); i++){ cout << "["; for(int j = 0; j <v[i].size(); j++){ cout << v[i][j] << ", "; } cout << "],"; } cout << "]"<<endl; } class Solution { public: vector<vector<int>> imageSmoother(vector<vector<int>>& M) { int R = M.size(); int C = M[0].size(); vector<int> d{ -1, 0, 1 }; vector<vector<int> > res(R, vector<int>(C, 0)); for (int i = 0; i < R; ++i) { for (int j = 0; j < C; ++j) { int sum = 0, count = 0; for (int k = 0; k < 3; ++k) { for (int l = 0; l < 3; ++l) { int m = i + d[k], n = j + d[l]; if (m >= 0 && m < R && n >= 0 && n < C) ++count, sum += M[m][n]; } } res[i][j] = sum / count; } } return res; } }; main(){ Solution ob; vector<vector<int>> v = {{1,1,1},{1,0,1},{1,1,1}}; print_vector(ob.imageSmoother(v)); }
{{1,1,1},{1,0,1},{1,1,1}}
输出结果
[[0, 0, 0, ],[0, 0, 0, ],[0, 0, 0, ],]