菱形的计算

本文介绍使用Java通过for循环嵌套实现空心菱形打印的方法。提供了两种不同的思路:一种利用数字1、2、3和空格4形成递增递减规律;另一种仅用数字1和2,并通过坐标指针移动实现。
关于菱形,其实最基本的还是对for循环的一个练习,算是练习基本功,下面我主要打的是关于空心菱形的练习。


public void TestShape(){
//控制行数
for (int i = 0; i <3; i++) {
//控制1的在列上的个数
for (int k = 0; k < 2; k++) {
System.out.print("1");
}
//控制2在列上的个数
for (int j = 0; j<1; j++) {
System.out.print("2");
}
//控制3在列上的个数
for (int j = 0; j<2; j++) {
System.out.print("3");
}
System.out.println();
}

}



11233
11233
11233

这是上面一个方法所打出来的一个结果,首先通过for循环的嵌套,观察其输出的结果,可以知道一点,最外层的for循环是控制行数的。

那如果要打印成菱形,可以有多种思路,这里我主要显示两种。
第一种
11233
12423
11233

可以看得出来这个2的打印轨迹为菱形,在这个平面里,主要有三个数字,其中4为空格。
1和3就是在不断的递减同时2呈奇数递增,而在第二行过后,两组数在做相反的动作。


public void EmpDiamond02(int num) {
if(1==num%2){
num++;

}
int p = 0;
for (int a = 1; a < num; a++) {

for (int i = num/2; i > p; i--) {
System.out.print("1");
}
// 这是一个递增的过程,而且是奇数递增,关键是你要知道,怎样程奇数递增
for (int k = 0; k < p * 2 + 1; k++) {
if(k!=0&&k!=(p*2+1)-1){
System.out.print("4");
}else{
System.out.print("2");
}
}

for (int i = num/2; i > p; i--) {
System.out.print("3");
}

//a是控制行数的,所以在过一半的时候就开始递减,如果不通过p来控制,那也可以再把for循环的代码再复制一遍,在把相应递增的代码改成递减。
if (a < num / 2) {
p++;
} else {
p--;
}

System.out.println();
}
}




第二种

121
212
121

可以看得出,这个菱形所需要参与到其中的数字只有两个,那这个图形主要是控制2来实现
把其中的通过运算向两边移动。



public void EmpDiamond03(int num){

if(0==num%2){
num++;
}
int p1=num/2;
int p2=num/2;
for(int i=0;i<num;i++){
for(int j=0;j<num;j++){
//p1和p2就像是x坐标轴上的两个指针,通过++和--来进行移动,并最终通过判断来打印。
if(j==p1||j==p2){ System.out.print("2");
}else{
System.out.print("1");
}

}
if(i<num/2){
p1++;
p2--;
}else{
p1--;
p2++;

}
System.out.println();
}

}

### 菱形搜索法中的 SAD 计算公式 在视频编码领域,运动估计是一个重要的环节,而菱形搜索法则是一种高效的运动搜索算法。它通过逐步缩小搜索范围来减少计算复杂度并提高效率。 #### SAD 定义 SAD(Sum of Absolute Difference)是指两个图像块之间的绝对差值和。假设当前块的像素值为 \( s(x, y) \),候选预测块的像素值为 \( z(x, y) \),其中 \( x = 1...M \), \( y = 1...N \),那么 SAD 可以表示为: \[ SAD = \sum_{x=1}^{M}\sum_{y=1}^{N}|s(x,y)-z(x,y)| \] 此公式用于衡量两块图像间的相似程度[^1]。SAD 值越小,表明这两块图像越接近。 #### 菱形搜索法中的 SAD 实现步骤 1. **初始化搜索中心点** - 初始搜索通常从参考帧对应块的中心位置开始。 2. **大菱形模板搜索** - 使用大菱形模板,在初始中心点周围选取9个点进行搜索。 - 对于每一个搜索点,计算其与当前块的 SAD 值。 ```python def calculate_sad(current_block, candidate_block): sad = 0 for i in range(len(current_block)): for j in range(len(current_block[i])): sad += abs(int(current_block[i][j]) - int(candidate_block[i][j])) return sad ``` 3. **判定最佳匹配点** - 找到具有最小 SAD 值的点作为下一步操作的基础。 - 如果该点正好位于大菱形模板的中心,则进入小菱形模板阶段;否则继续使用大菱形模板围绕新找到的最佳点重复上述过程直至收敛至中心点[^4]。 4. **小菱形模板细化搜索** - 当确认最佳匹配区域集中在较小范围内时,切换成更精细的小菱形模板做最终定位。 - 同样依据 SAD 准则选出最优解结束整个流程。 以上即为基于 SAD 度量标准下的典型菱形搜索算法框架及其核心部分的具体实现方式。 ```python def diamond_search(reference_frame, current_block, search_range): # 初始化变量 best_match_position = (search_range//2, search_range//2) min_sad = float(&#39;inf&#39;) while True: large_diamond_points = generate_large_diamond(best_match_position, search_range) new_min_sad = min_sad new_best_pos = best_match_position for point in large_diamond_points: candidate_block = extract_block_from_reference(point, reference_frame) sad_value = calculate_sad(current_block, candidate_block) if sad_value < new_min_sad: new_min_sad = sad_value new_best_pos = point if new_best_pos == best_match_position and is_center(new_best_pos): break elif not is_center(new_best_pos): best_match_position = new_best_pos continue small_diamond_points = generate_small_diamond(best_match_position, search_range) final_min_sad = new_min_sad final_best_pos = new_best_pos for point in small_diamond_points: candidate_block = extract_block_from_reference(point, reference_frame) sad_value = calculate_sad(current_block, candidate_block) if sad_value < final_min_sad: final_min_sad = sad_value final_best_pos = point return final_best_pos, final_min_sad ```
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
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