C. Nearest vectors(卡精度,恶心)

本文主要介绍了一个C++程序,用于解决寻找最近向量的问题。通过读取输入的坐标,利用atan2函数计算角度,并进行排序,最终计算出两个向量之间的最小角度差。程序中包含了常用的算法和数据结构,如排序、搜索等。
/* ***********************************************
Author        :xdlove
Created Time  :2015年11月13日 星期五 23时24分49秒
File Name     :xdlove/codeforces/Educational_Codeforces_Round_1/C/C.cpp
 ************************************************ */

#pragma comment(linker, "/STACK:1024000000,1024000000")
#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <memory.h>
#include <vector>
#include <queue>
#include <set>
#include <map>
#include <string>
#include <math.h>
#include <stdlib.h>
#include <time.h>

using namespace std;


#define REP_ab(i,a,b) for(int i = a; i <= b; i++)
#define REP(i, n) for(int i = 0; i < n; i++)
#define REP_1(i,n) for(int i = 1; i <= n; i++)
#define DEP(i,n) for(int i = n - 1; i >= 0; i--)
#define DEP_N(i,n) for(int i = n; i >= 1; i--)
#define CPY(A,B) memcpy(A,B,sizeof(B))
#define MEM(A) memset(A,0,sizeof(A))
#define MEM_1(A) memset(A,-1,sizeof(A))
#define MEM_INF(A) memset(A,0x3f,sizeof(A))
#define MEM_INFLL(A) memset(A,0x3f3f,sizeof(A))
#define mid (((l + r) >> 1))
#define lson l, mid, u << 1
#define rson mid + 1, r, u << 1 | 1
#define ls (u << 1)
#define rs (u << 1 | 1)


typedef long long ll;
typedef unsigned long long ull;
const int INF = 0x3f3f3f3f;
const ll INFLL = 0x3f3f3f3f3f3f3f3f;
const int MAXN = 1e5 + 5;
const int MAXM = MAXN;
const int mod = 1e9 + 7;
const long double pi = acos(-1.0);
const long double eps = 1e-8;

struct Point
{
    long double k;
    int id;
    bool operator < (const Point &a) const
    {
        return k < a.k;
    }
}p[MAXN];

int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    int n;
    cin>>n;
    REP(i,n)
    {
        int x,y;
        scanf("%d %d",&x,&y);
        p[i].k = atan2(y,x);
        p[i].id = i + 1;
    }
    sort(p,p + n);
    long double ans;
    if(p[0].k < 0) ans = p[0].k + 2 * pi - p[n - 1].k;
    else ans = p[n - 1].k - p[0].k;
    int a1 = p[n - 1].id,a2 = p[0].id;
    for(int i = 1; i < n; i++)
    {
        long double tp = p[i].k - p[i - 1].k;
        if(tp  < ans)
        {
            ans = tp;
            a1 = p[i].id;
            a2 = p[i - 1].id;
        }
    }
    cout<<a1<<" "<<a2<<endl;
    return 0;
}

### 解决Pillow中Image.NEAREST属性不存在的问题 在较新的Pillow版本中,部分属性已被弃用或移除,例如`Image.NEAREST`。取而代之的是使用`Resampling`模块中的相应属性[^1]。以下是解决此问题的详细方法: #### 问题原因 系统中安装的PIL(Pillow)版本较新,某些属性如`Image.NEAREST`已被弃用,并将在未来版本中移除。因此,在代码中直接使用`Image.NEAREST`会导致属性不存在的错误。 #### 解决方案 可以采用以下两种方式解决问题: 1. **升级代码以适配新版Pillow** 在新版Pillow中,应使用`Resampling.NEAREST`替代`Image.NEAREST`。以下是修改后的代码示例: ```python from PIL import Image, Resampling def adjust_image_resolution(input_path, output_path, scale=None, new_width=None, new_height=None): img = Image.open(input_path) if scale is not None: width, height = img.size new_width = int(width * scale) new_height = int(height * scale) if new_width is None or new_height is None: raise ValueError("必须提供scale或者new_width和new_height") resized_img = img.resize((new_width, new_height), Resampling.NEAREST) # 使用Resampling.NEAREST resized_img.save(output_path, img.format) ``` 上述代码中,`Resampling.NEAREST`用于指定插值算法,确保与新版Pillow兼容[^1]。 2. **降级Pillow版本** 如果不想更改现有代码,可以选择安装旧版本的Pillow(如4.1.1)。可以通过以下命令安装特定版本的Pillow: ```bash pip install pillow==4.1.1 ``` 然而,需要注意的是,安装旧版本可能会导致其他依赖冲突或安全问题。此外,安装后可能会收到版本过时的警告,但可以忽略这些警告继续使用[^2]。 #### 注意事项 - 在选择解决方案时,建议优先考虑升级代码以适配新版Pillow,因为这可以避免潜在的安全问题并享受更新的功能。 - 如果需要更高的图像质量,可以尝试使用`Resampling.BILINEAR`或`Resampling.BICUBIC`等插值算法[^1]。 ```python resized_img = img.resize((new_width, new_height), Resampling.BICUBIC) ``` ---
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