Leetcode661 Image Smoother

本文介绍了一种基于九宫格平均值的图像平滑处理算法,通过遍历矩阵中的每个元素并计算其周围九宫格内的平均灰度值来实现。文章详细解释了算法的具体实现过程,并提供了一个Java代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

Given a 2D integer matrix M representing the gray scale of an image, you need to design a smoother to make the gray scale of each cell becomes the average gray scale (rounding down) of all the 8 surrounding cells and itself. If a cell has less than 8 surrounding cells, then use as many as you can.

Example 1:

Input:
[[1,1,1],
 [1,0,1],
 [1,1,1]]
Output:
[[0, 0, 0],
 [0, 0, 0],
 [0, 0, 0]]
Explanation:
For the point (0,0), (0,2), (2,0), (2,2): floor(3/4) = floor(0.75) = 0
For the point (0,1), (1,0), (1,2), (2,1): floor(5/6) = floor(0.83333333) = 0
For the point (1,1): floor(8/9) = floor(0.88888889) = 0

Note:

  1. The value in the given matrix is in the range of [0, 255].
  2. The length and width of the given matrix are in the range of [1, 150].


题目大意:

给一个二维数组M,其中存放的信息为图像的灰度,对二维数组的灰度值做平滑处理,处理方式为:每个元素为其周围九宫格内值的平均值。


解决思路:

1.首先考虑一下输入值M的情况 :

(1)M可能为NULL,那么直接返回M;

(2)M的长度为0,直接返回M

(3)M是一个包含多个元素的灰度值数组。

2.在处理的时候,自己过多的考虑了一种情况,就是每个M[row]的元素长度是不相等的,但是,如果回归到所给的实际题目来说,如果M表示的图形灰度,那么每个M[row]的元素长度是相等的,所以这个考虑实属多虑。

3.很显然,是需要遍历M的每个元素的,那么就会用到嵌套的循环,在使用循环的遍历数组的时候,注意下标溢出的问题。

4.本条为整个解决思路的核心了,我们在第3条的基础上,遍历得到每个元素不是最终的目的,最终的目的是获得每个元素周围9宫格的数值(使用嵌套循环),并且知道九宫格每个位置上值的情况(有/无)。所以我们在得到每个元素的时候,就先设置一个计数变量count,求和变量sum,然后查看九宫格中的数值,如果该位置上无值,那么count--,如果该位置上有值,那么sum+=M[R][C]。


java代码实现:

class Solution{
	public int[][] imageSmoother(int[][] M){
		int count = 9;
		int sum = 0;
		
		if(M != null && M.length != 0) {//输入的二维数组不是空,且输入的数组长度不为0
			int row = M.length;//二维数组的行
			int col = M[0].length;//二维数组的列
			
			int[][] res = new int[row][col];//存放平滑处理后的信息
			
			for(int i = 0 ; i< row ;i++) {
				for(int j = 0;j<M[i].length;j++) {//嵌套for循环遍历M的每个元素
					
					//对sum和count的重新赋值,避免上个元素的sum和count对当前元素的sum和count的影响
					sum = 0;
					count = 9;
					//下面的for循环实际是为了获得每个元素的“九宫格”
					for(int R = i-1;R<i+2;R++) {
						
						for(int C= j-1;C<j+2;C++) {
							
							if(R < 0 || R > row -1) {
								count--;//如果当前位置无效,则count--
								continue;
							}else {
								col = M[R].length;
								if(C < 0 || C > col -1) {
									count--;//如果当前位置无效,则count--
									continue;
								}else {
									sum += M[R][C];
								}
							}
						}						
						res[i][j] = sum/count;
					}
				}
			}
			return res;
		}
		return M;
	}
}

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