NYOJ92 图像有用区域 【BFS】

本文探讨了一种图像处理算法中的内存使用问题,通过优化遍历图像的方式避免了内存溢出,具体介绍了如何通过标记已访问节点来减少不必要的内存占用。

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

碰到了一个以前从未见过的奇怪问题:先上截图:

运行号 用户 题目 结果 时间 内存 语言 提交时间
895360
长木图像有用区域Accepted5085724C/C++06-13 19:26:41
895352
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:24:34
895351
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:23:05
895348
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:19:59
895347
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:14:47
895345
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:08:41
895342
长木图像有用区域MemoryLimitExceeded----C/C++06-13 18:00:17

内存限制是65兆,修改之前超了6次,修改之后却只占5兆内存,真是奇了怪了。修改的地方仅仅是在入队之前把像素点给标注为0...教训是修改后再入队列..原因应该是好些已经入队的点重复入队了。



图像有用区域

时间限制: 3000 ms  |  内存限制: 65535 KB
难度: 4
描述

“ACKing”同学以前做一个图像处理的项目时,遇到了一个问题,他需要摘取出图片中某个黑色线圏成的区域以内的图片,现在请你来帮助他完成第一步,把黑色线圏外的区域全部变为黑色。

     

                图1                                                        图2 

已知黑线各处不会出现交叉(如图2),并且,除了黑线上的点外,图像中没有纯黑色(即像素为0的点)。

输入
第一行输入测试数据的组数N(0<N<=6)
每组测试数据的第一行是两个个整数W,H分表表示图片的宽度和高度(3<=W<=1440,3<=H<=960)
随后的H行,每行有W个正整数,表示该点的像素值。(像素值都在0到255之间,0表示黑色,255表示白色)
输出
以矩阵形式输出把黑色框之外的区域变黑之后的图像中各点的像素值。
样例输入
1
5 5
100 253 214 146 120
123 0 0 0 0
54 0 33 47 0
255 0 0 78 0
14 11 0 0 0
样例输出
0 0 0 0 0
0 0 0 0 0
0 0 33 47 0
0 0 0 78 0
0 0 0 0 0

AC代码:

//在外面加一圈非0,再广搜
#include <cstdio>
#include <queue>
using std::queue;
int t, w, h, arr[962][1442];
int mov[][2] = {-1, 0, 0, 1, 1, 0, 0, -1};
queue<int> Q;

bool check(int x, int y){
	if(x < 0 || y < 0 || x > h + 1 || y > w + 1)
		return 0;
	if(!arr[x][y]) return 0;
	return 1;
}

void BFS(){
	int x, y, a, b;
	Q.push(0); Q.push(0);
	arr[0][0] = 0;
	while(!Q.empty()){
		x = Q.front(); Q.pop();
		y = Q.front(); Q.pop();
		for(int i = 0; i < 4; ++i){
			a = x + mov[i][0];
			b = y + mov[i][1];
			if(check(a, b)){
				arr[a][b] = 0;
				Q.push(a); Q.push(b);
			}
		}
	}
}

int main(){
	scanf("%d", &t);
	while(t--){
		scanf("%d%d", &w, &h);
		for(int i = 0; i <= w + 1; ++i){
			arr[0][i] = 1;
			arr[h+1][i] = 1;
		}
			
		for(int i = 1; i <= h; ++i){
			arr[i][0] = 1;
			for(int j = 1; j <= w; ++j)
				scanf("%d", &arr[i][j]);
			arr[i][w+1] = 1;
		}
		BFS();
		for(int i = 1; i <= h; ++i){
			for(int j = 1; j <= w; ++j){
				if(j != w) printf("%d ", arr[i][j]);
				else printf("%d\n", arr[i][j]);
			}
		}
	}
	return 0;
}

MLE代码:

#include <cstdio>
#include <queue>
using std::queue;
int t, w, h, arr[962][1442];
int mov[][2] = {-1, 0, 0, 1, 1, 0, 0, -1};
queue<int> Q;

bool check(int x, int y){
	if(x < 0 || y < 0 || x > h + 1 || y > w + 1)
		return 0;
	if(!arr[x][y]) return 0;
	return 1;
}

void BFS(){
	int x, y;
	Q.push(0); Q.push(0);
	while(!Q.empty()){
		x = Q.front(); Q.pop();
		y = Q.front(); Q.pop();
		arr[x][y] = 0;  //仅仅是这里不同
		for(int i = 0; i < 4; ++i){
			if(check(x + mov[i][0], y + mov[i][1])){
				Q.push(x + mov[i][0]);
				Q.push(y + mov[i][1]);
			}
		}
	}
}

int main(){
	scanf("%d", &t);
	while(t--){
		while(!Q.empty()) Q.pop();
		scanf("%d%d", &w, &h);
		for(int i = 0; i <= w + 1; ++i){
			arr[0][i] = 1;
			arr[h+1][i] = 1;
		}
			
		for(int i = 1; i <= h; ++i){
			arr[i][0] = 1;
			for(int j = 1; j <= w; ++j)
				scanf("%d", &arr[i][j]);
			arr[i][w+1] = 1;
		}
		BFS();
		for(int i = 1; i <= h; ++i){
			for(int j = 1; j <= w; ++j){
				if(j != w) printf("%d ", arr[i][j]);
				else printf("%d\n", arr[i][j]);
			}
		}
	}
	return 0;
}
        



内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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