1055 集体照 (25 分)

1055 集体照 (25 分)

题意描述:

拍集体照时队形很重要,这里对给定的 N 个人 K 排的队形设计排队规则如下:

  • 每排人数为 N/K(向下取整),多出来的人全部站在最后一排;

  • 后排所有人的个子都不比前排任何人矮;

  • 每排中最高者站中间(中间位置为 m/2+1,其中 m 为该排人数,除法向下取整);

  • 每排其他人以中间人为轴,按身高非增序,先右后左交替入队站在中间人的两侧(例如5人身高为190、188、186、175、170,则队形为175、188、190、186、170。这里假设你面对拍照者,所以你的左边是中间人的右边);

  • 若多人身高相同,则按名字的字典序升序排列。这里保证无重名。

现给定一组拍照人,请编写程序输出他们的队形。

输入格式:
每个输入包含 1 个测试用例。每个测试用例第 1 行给出两个正整数 N(≤10^​4​​ ,总人数)和 K(≤10,总排数)。随后 N 行,每行给出一个人的名字(不包含空格、长度不超过 8 个英文字母)和身高([30, 300] 区间内的整数)。

输出格式:
输出拍照的队形。即K排人名,其间以空格分隔,行末不得有多余空格。注意:假设你面对拍照者,后排的人输出在上方,前排输出在下方。

输入样例:

10 3
Tom 188
Mike 170
Eva 168
Tim 160
Joe 190
Ann 168
Bob 175
Nick 186
Amy 160
John 159

输出样例:

Bob Tom Joe Nick
Ann Mike Eva
Tim Amy John

解题思路:

明天再写!!!


代码:

from functools import cmp_to_key
from collections import deque


def main():
    N, K = (int(z) for z in input().split())
    global data
    data = {}
    for x in range(N):
        name, height = (z for z in input().split())
        height = int(height)
        data[name] = height
    sorted_indexs = sorted(data, key=cmp_to_key(compare), reverse=True)

    m = int(N / K)
    last_line = N - m * (K - 1)
    answer = []
    answer.extend([sort_in_line(sorted_indexs[:last_line])])
    start = last_line
    for x in range(K - 1):
        answer.extend(
            [sort_in_line(sorted_indexs[start + m * x:start + m * (x + 1)])])

    for x in answer:
        print(' '.join(x))


def sort_in_line(names):
    left = 1
    temp = deque()
    for name in names:
        if left == 1:
            temp.append(name)
        else:
            temp.appendleft(name)
        left *= -1
    return list(temp)


def compare(a, b):
    if data[a] != data[b]:
        return data[a] - data[b]
    else:
        if a > b:
            return -1
    return 1

if __name__ == '__main__':
    main()


易错点:


总结:

在这里插入图片描述


### 如何在 Java 中处理集体照片或图像 #### 使用Java进行图像处理的基础库 为了有效地处理集体照片,在Java中可以采用多种方式来操作和析这些图像。最常用的方法之一是通过`BufferedImage`类,它允许读取、写入以及修改位图数据。Apache Commons Imaging 和 ImageIO 是两个重要的工具包,提供了丰富的API用于加载和支持各种图形文件格式。 ```java import java.awt.image.BufferedImage; import javax.imageio.ImageIO; public class PhotoProcessor { public static void main(String[] args) throws Exception{ BufferedImage image = ImageIO.read(new File("groupPhoto.jpg")); // 加载图片 int width = image.getWidth(); int height = image.getHeight(); System.out.println("Image Width: " + width); System.out.println("Image Height:" + height); // 对图像执行进一步的操作... } } ``` #### 集体照中人脸检测的应用实例 当涉及到具体应用场景比如自动标记参与者时,则可能需要用到计算机视觉技术来进行人脸识别。OpenCV是一个开源的跨平台计算机视觉库,支持广泛的算法和技术,包括但不限于特征点提取、对象跟踪等。结合JavaCV项目可以让开发者轻松集成OpenCV的功能到自己的应用程序里[^1]。 ```java CascadeClassifier faceDetector = new CascadeClassifier("/path/to/haarcascade_frontalface_alt.xml"); Mat image = Imgcodecs.imread("/path/to/group_photo.png"); // 检测脸部位置并绘制矩形框标注出来 RectVector faces = new RectVector(); faceDetector.detectMultiScale(image,faces); for(int i=0;i<faces.size();i++){ Rect rect = faces.get(i); Core.rectangle(image,new Point(rect.x(),rect.y()),new Point(rect.width()+rect.x(),rect.height() + rect.y()),new Scalar(0,255,0)); } Imgcodecs.imwrite("/output/path/detected_faces.png",image); ``` #### 利用机器学习提高准确性 除了传统的基于Haar级联类器的人脸检测外,还可以考虑更加先进的深度学习模型如MTCNN(Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks)。这类方法通常能提供更高的精度尤其是在面对复杂的背景环境或是多人物的情况下表现更好[^3]。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

花花生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值