【二叉树的迭代版后序遍历】LeetCode 145. Binary Tree Postorder Traversal

本文介绍了LeetCode 145题的二叉树后序遍历问题,提供了递归及迭代两种解决方案。递归版简洁明了,而迭代版通过巧妙地调整遍历顺序来实现。文章还附带了C++代码实现。

LeetCode 145. Binary Tree Postorder Traversal

Solution1:递归版答案

二叉树的后序遍历递归版是很简单的,关键是迭代版的代码既难理解又难写!但听了花花酱的视频后豁然开朗!!!
迭代版链接:https://blog.youkuaiyun.com/allenlzcoder/article/details/79837841

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    vector<int> postorderTraversal(TreeNode* root) {
        vector<int> res;
        my_Postordertraversal(root, res);
        return res;
    }

    void my_Postordertraversal(TreeNode* root, vector<int>& res) {
        if (!root) return;
        my_Postordertraversal(root->left, res);
        my_Postordertraversal(root->right, res);
        res.push_back(root->val);
    }
};

Solution2:迭代版答案

参考花花酱:https://zxi.mytechroad.com/blog/tree/leetcode-145-binary-tree-postorder-traversal/
这里写图片描述
看了花花酱的分析,才恍然大悟。因为二叉树的迭代版前序遍历是很容易理解的,正常的前序遍历过程是:根-左-右。花花酱稍作修改,让遍历过程为 根-右-左,则此遍历结果的翻转就是后序遍历 左-右-根的结果了。
妙哉~妙哉~妙哉啊~

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    vector<int> postorderTraversal(TreeNode* root) {
        if (!root) return {};
        stack<TreeNode*> Tstack;
        deque<int> ans;
        Tstack.push(root);
        while (!Tstack.empty()) {
            TreeNode *temp = Tstack.top();
            Tstack.pop();
            ans.push_front(temp->val);
            if (temp->left) Tstack.push(temp->left);
            if (temp->right) Tstack.push(temp->right);
        }
        return vector<int> (ans.begin(), ans.end());
    }
};

C++中deque的用法

deque 双端队列。支持快速随机访问。在头尾插入删除的速度很快!
详细用法,参见官网:http://www.cplusplus.com/reference/deque/deque/?kw=deque

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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
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