CSP认证系列 202104-1 灰度直方图

博客作者分享了准备CSP认证过程中遇到的第一题——灰度直方图的解决方案。通过使用C++的vector创建二维数组,并通过三层循环计算灰度值的出现次数。虽然三层循环可能导致时间复杂度较高,但能满足题目要求且未超时。作者提出可能的优化方案是先排序再计数,但未验证。博客内容包含了CSP实战、数组操作和算法优化思考。

最近要准备CSP认证,直接把收获写在博客上。
第一题是灰度直方图 题目如下:
在这里插入图片描述在这里插入图片描述在这里插入图片描述
做第一题最主要的是明白题目让干什么,看懂题目后思路也很快就有了。题目主要让你做的是:定义一个二维矩阵(数组),这个二维矩阵(数组)的每一个元素值是图片的灰度值(说白了就是一个数罢了)。然后再定义一个一维数组,这个数组的每一项元素的值是用该项的下标与二维数组的值进行比较,找出有几个相同的,该项元素的值就为多少。
这里涉及到了定义二维数组问题,可用两种方法,第一种是用二维指针去开辟空间,分配内存。第二种是直接用c++里的容器vector直接分配。本人感觉用二维指针太过于麻烦(好吧还是二维指针不熟练)。使用的是vector去定义二维数组。代码如下:

#include"iostream"
#include<windows.h>
#include<vector>
using namespace std;
int main(){
    int n,m,L,temp; //这里是定义题目中规定的几个变量
    cin>>n>>m>>L;
    if(n<=0){	//这里的三个if语句是按照题目要求对输入的数值进行判定
        return 0;
    }
    if(m>500){
        return 0;
    }
    if(L<4||L>256){
        return 0;
    }

    vector<vector<int> > A(n); //定义一个二维数组A 并且行为n行
    for(int i=0;i<n;i++){
        A[i].reserve(m);		//为每一行开辟m列的空间
    }
    
    for(int i=0;i<n;i++){		//使用二重for循环为数组赋值
        for(int j=0;j<m;j++){
            cin>>temp;
            A[i][j]=temp;
        }
    }

    vector<int> h(L);	//定义一维数组h 大小为L
    for(int k=0;k<L;k++){	//三重for循环 第一层是为了改变数组h的下标第二三层是对二维数组进行遍历
        int temp=0;
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                if(k==A[i][j]){	//如果遇到了下标和二维数组的值相等的情况则一维数组该下标对应的元素的值+1
                    temp++;
                    h[k]=temp;
                }

            }
        }
    }
    vector<int>::iterator v = h.begin();
    for(v=h.begin();v!=h.end();v++){ //遍历一维数组并输出
        cout<<(*v)<<" ";
    }

    system("pause");
    return 0;

}

结果:
在这里插入图片描述
感觉在这个题目中使用三层for循环时间复杂度有点高,貌似可采取现将二维数组元素排序再数有多少个的方法。(没有验证)。不过在题目中没有超时就可以啦。

### 实现CSP灰度直方图C++代码 要生成CSP(Color Space Processing)中的灰度直方图,可以利用OpenCV库来简化图像处理过程。以下是基于OpenCV的一个简单示例程序,用于计算并绘制灰度直方图。 #### OpenCV简介 OpenCV是一个开源计算机视觉和机器学习软件库,支持多种编程语言,包括Python、Java以及C++等[^1]。它提供了丰富的函数接口,能够快速完成诸如读取图片、转换颜色空间、统计像素分布等功能。 下面展示一段完整的C++代码片段,演示如何加载一张彩色图片将其转为灰阶模式,并进一步构建该灰阶下的频率分布图表即所谓的“直方图”。 ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载原始RGB图像文件 cv::Mat image = cv::imread("example.jpg", cv::IMREAD_COLOR); if (image.empty()) { std::cout << "Could not open or find the image!" << std::endl; return -1; } // 将输入图像转化为灰度版本 cv::Mat grayImage; cvtColor(image, grayImage, cv::COLOR_BGR2GRAY); int histSize = 256; // 灰度级数范围0~255共256个等级 float range[] = {0, 256}; // 定义直方图区间边界值 const float* histRange = {range}; bool uniform = true, accumulate = false; // 创建存储直方数据的空间 cv::Mat hist; calcHist(&grayImage, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate); // 绘制直方图可视化图形部分 int hist_w = 512, hist_h = 400; int bin_w = cvRound((double)hist_w / histSize); cv::Mat histImage(hist_h, hist_w, CV_8UC3, cv::Scalar(0,0,0)); normalize(hist, hist, 0, histImage.rows, cv::NORM_MINMAX); for(int i=1;i<histSize;i++) { line(histImage, cv::Point(bin_w*(i-1), hist_h-cvRound(hist.at<float>(i-1))), cv::Point(bin_w*i,hist_h-cvRound(hist.at<float>(i))), cv::Scalar(255,0,0), 2, 8, 0 ); } imshow("Gray Histogram", histImage); waitKey(); return 0; } ``` 此段代码实现了以下几个功能模块: 1. **图像导入**:通过`cv::imread()`方法获取指定路径上的JPEG格式样本照片。 2. **色彩变换**:调用`cvtColor()`把BGR编码形式转变为单通道亮度表示法——也就是常说的标准黑白照效果。 3. **统计数据收集**:借助内置工具`calcHist()`针对每一个可能存在的明暗程度计数值做累加操作从而形成最终的结果向量。 4. **绘图呈现**:最后一步则是按照比例缩放后的高度差画出连接线条构成直观易懂的形式供观察者理解整体趋势变化情况。 以上就是关于怎样采用标准C++编写应用程序以展现特定区域内的光线强弱对比关系的方法介绍[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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