poj 1269 Intersecting Lines

本文介绍了一种通过叉积计算两条直线是否平行、重合或相交的算法,并给出了具体的C++实现代码。该算法利用点和直线的坐标计算叉积来判断直线的位置关系,并在相交的情况下求出交点。

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

题意:给个n,然后n行数据,每行四个点,代表两条直线,求两条直线平行,或者重合,或者相交,相交的话求出交点
叉积求交点公式:黑书p357
这里写图片描述
这里写图片描述

#include <cstdio>
#include <cstring>

struct Point
{
    int x,y;
};

struct Line
{
    Point s,e;
};
Line line1,line2;


int det(int x1, int y1, int x2, int y2)
{
    return x1*y2 - x2*y1;
}
/****求ab和ac叉积****/
int cross(Point a, Point b, Point c)
{
    return det(b.x-a.x,b.y-a.y,c.x-a.x,c.y-a.y);
}

int area(Point a, Point b, Point c)
{
    return cross(a,b,c);
}

int main()
{
    int n;
    while(scanf("%d",&n) != EOF)
    {
        printf("INTERSECTING LINES OUTPUT\n");
        for(int i = 0; i < n; ++i)
        {
            scanf("%d %d %d %d %d %d %d %d",&line1.s.x,&line1.s.y,&line1.e.x,&line1.e.y,&line2.s.x,&line2.s.y,&line2.e.x,&line2.e.y);
//            line1.e.x-line1.s.x,line1.e.y-line1.s.y------>x1,y1
//            line2.e.x-line2.s.x,line2.e.y-line2.s.y------>x2,y2
            if((line1.e.x-line1.s.x)*(line2.e.y-line2.s.y) - (line1.e.y-line1.s.y)*(line2.e.x-line2.s.x) == 0)//共线,然后判断平行还是重合
            {
                if(cross(line1.s,line1.e,line2.s) == 0)
                    printf("LINE\n");
                else
                    printf("NONE\n");
            }
            //肯定就有交点了
            else
            {
                float s1 = area(line1.s,line1.e,line2.s)/2.0;
                float s2 = area(line1.s,line1.e,line2.e)/2.0;
                printf("POINT %.2f %.2f\n",(s1*line2.e.x-s2*line2.s.x)/(s1-s2),(s1*line2.e.y-s2*line2.s.y)/(s1-s2));
            }

        }
        printf("END OF OUTPUT\n");
    }
    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