【BZOJ3893】【Usaco2014 Dec】金组 Runing Cow

【问题描述】

  FJ的N头牛在一条无限长的道路上练习赛跑。每头牛均在道路上一个各不相同的起点出发,以某个速度匀速前进。

  为了防止跑得快的牛在超过跑得慢的牛时发生碰撞,FJ把道路分成许多条跑道,这样,处在同一条跑道上牛永远不会占据同一个位置。

  FJ还规定,牛不能更换跑道,也不能改变速度。

  FJ想知道,在一次持续T分钟的赛跑中,他至少需要划分出多少条跑道。

【输入格式】

  第1行:2个整数N(1 <= N <= 100,000)和T(1 <= T <= 1,000,000,000)
  接下来N行,每行2个整数,表示一头牛的初始位置和速度。数据以位置递增的顺序给出。位置为非负整数,速度为正整数。

【输出格式】

  第1行:1个整数,表示在T分钟(包含第T分钟)的赛跑中,至少需要多少条跑道

【输入样例】

5 3
0 1
1 2
2 3
3 2
6 1

【输出样例】

3

【数据范围】

1 <= N <= 100,000
1 <= T <= 1,000,000,000

本来以为直接模拟找,但是花式WA
后来还是查找A了这道题,详解看程序
#include<cstdio>
#include<cstdlib>
#include<iostream>
#include<algorithm>
#include<cstring>
#include<vector>
#define maxn 100005
using namespace std;
struct data
{
    int x,y;
    friend bool operator< (data a,data b)
    {
        a.x<b.x;
    }
}a[maxn];
bool cmp(long long a,long long b)
{
    return a>b;
}
long long n,m;
long long end[maxn],d[maxn];

void in()
{
    cin>>n>>m;
    for(int i=1;i<=n;i++)
    {
        cin>>a[i].x>>a[i].y;
        end[i]=a[i].x+a[i].y*m;     //计算每只奶牛的终点 
    }
}

void task()
{
    int cnt=0;
    d[++cnt]=end[1];
    for(int i=2;i<=n;i++)
    {
        //因为起点有序,所以只要找到一个终点小于i的奶牛,就不用新建跑道 
        int p=upper_bound(d+1,d+cnt+1,end[i],cmp)-d;        //找到小于于i的终点的第一个跑道
        if(p>cnt) d[++cnt]=end[i];                          //新建一条跑道 
        else d[p]=end[i];                                   //不用新建跑道则更新该跑道的终点 
    }
    printf("%d\n",cnt);
}

int main()
{
    freopen("in.txt","r",stdin);
    in();
    task();
    return 0;
}
### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向速度。在数学上,光流场可以表示为像素位置时间的一阶导数,即Ex、Ey(空间梯度)Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey``Et`分别代表沿x轴、y轴时间轴的像素强度变化;`gray1``gray2`用于存储当前帧前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性效率。 3. **光流向量计算**:通过比较当前帧前一帧的灰度值,计算出每个像素点的Ex、EyEt值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解优化光流算法,可以进一步提升视频分析的准确性实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉理解动态场景中的运动信息
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