华为OD机试E卷 - 单行道汽车通行时间/ 运输时间(Java & Python& JS & C++ & C )

该博客介绍了华为OD机试中的一道题目,涉及M辆汽车在不能超车的单行道上行驶的问题。每辆车以固定间隔出发,速度不同的车追上前车后只能匹配前车速度。博客提供了输入输出描述、真题目录、在线OJ链接,以及解题思路和各编程语言的参考代码实现。解题时需注意可能存在的小数答案,并根据实际情况调整输出精度。

题目描述

M(1<=M<=20)辆车需要在一条不能超车的单行道到达终点,起点到终点的距离为N(1<=N<=400)。速度快的车追上前车后,只能以前车的速度继续行驶。求最后一车辆到达目的地花费的时间。

注:每辆车固定间隔一小时出发,比如第一辆车0时出发,第二辆车1时出发,以此类推

输入描述

第一行两个数字:M N分别代表车辆数和到终点的距离,以空格分隔。

接下来M行,每行1个数字S,代表每辆车的速度。0<S<30。

输出描述

最后一辆车到达目的地花费的时间

用例

输入

2 11
3
2

输出

5.5

解题思路

参考代码注释

!!!

请注意,本题的答案可能是小数。由于题目未指定保留小数点后几位,我的代码就只根据用例1的格式四舍五入输出1位小数。 实际考试中,请根据情况以及具体要求调整。

C++

#include <iostream>
#include <vector>
#include <algorithm>
#include <iomanip> // 包含对输出格式控制的函数

using namespace std;

int main(
### 华为ODE&mdash;&mdash;自动曝光算法与平均像素值的C语言实现 #### 问题描述 在图像处理领域,自动曝光是一种常见的技术需求。其基本原理是通过对图像中的像素值进行统计分析,调整相参数(如ISO、光圈大小或快门速度)以达到理想的亮度效果。通常情况下,这一过程涉及以下几个方面: - 计算图像中所有像素的平均灰度值。 - 基于预设的目标亮度值,判断当前图像是否过曝或欠曝。 - 调整相关参数直至图像亮度接近目标值。 以下是基于此逻辑的一个简单实现方案[^1]。 --- #### 解决思路 1. **核心概念**: - 将图像视为二维矩阵,每个元素代表对应位置的像素强度。 - 图像的整体亮度可通过计算所有像素值的平均值得到。 - 定义一个理想的目标亮度值 `target_brightness`,并通过比较实际亮度与目标亮度决定下一步动作。 2. **具体步骤**: - 输入图像尺寸及各像素值。 - 遍历所有像素,累加它们的灰度值并除以总像素数得到平均亮度。 - 如果平均亮度低于目标值,则认为图像欠曝;反之则认为过曝。 - 返回相应的调整建议或直接输出结果。 3. **注意事项**: - 此处仅提供基础版本,未考虑色彩通道分离等问题。 - 实际应用中还需加入更多细节校正制,例如局部对比度增强等。 --- #### C语言代码实现 ```c #include &lt;stdio.h&gt; #include &lt;stdlib.h&gt; // 函数声明 float calculate_average_pixel_value(int rows, int cols, unsigned char pixels[]); void adjust_exposure(float avg_pixel_value, float target_brightness); int main() { // 示例输入:假设我们有一个简单的灰度图 int rows = 3; // 行数 int cols = 3; // 列数 unsigned char pixels[] = {50, 60, 70, 80, 90, 100, 110, 120, 130}; // 像素值数组 // 设定目标亮度值 float target_brightness = 100.0; // 计算平均像素值 float avg_pixel_value = calculate_average_pixel_value(rows, cols, pixels); // 打印结果 printf(&quot;Average Pixel Value: %.2f\n&quot;, avg_pixel_value); // 进行曝光调整评估 adjust_exposure(avg_pixel_value, target_brightness); return 0; } /** * @brief 计算图像的平均像素值 */ float calculate_average_pixel_value(int rows, int cols, unsigned char pixels[]) { int total_pixels = rows * cols; long sum = 0; for (int i = 0; i &lt; total_pixels; ++i) { sum += pixels[i]; } return (float)sum / total_pixels; } /** * @brief 根据平均像素值和目标亮度值调整曝光设置 */ void adjust_exposure(float avg_pixel_value, float target_brightness) { if (avg_pixel_value &lt; target_brightness) { printf(&quot;Image is underexposed.\n&quot;); printf(&quot;Suggestion: Increase ISO or widen aperture.\n&quot;); } else if (avg_pixel_value &gt; target_brightness) { printf(&quot;Image is overexposed.\n&quot;); printf(&quot;Suggestion: Decrease ISO or narrow aperture.\n&quot;); } else { printf(&quot;Exposure is well-balanced.\n&quot;); } } ``` --- #### 输出样例说明 假设有如下输入: ``` rows = 3, cols = 3 pixels = {50, 60, 70, 80, 90, 100, 110, 120, 130} target_brightness = 100.0 ``` 运行程序后将显示以下内容: ``` Average Pixel Value: 90.00 Image is underexposed. Suggestion: Increase ISO or widen aperture. ``` 解释: 通过遍历所有像素点得出该图片的平均亮度约为90,在设定的理想阈值之下,故判定为不足曝光,并给出相应改进建议。 --- #### 注意事项 以上演示版主要针对单色静态场景做了简化处理[^2]。真实项目里往往还需要兼顾RGB三原色平衡状况以及动态视频流实时反馈等多种因素影响下的综合考量[^3]。 ---
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

打赏作者

算法大师

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