「一题多解」【ARC 095E】Symmetric Grid

本文探讨了一种给定字符方阵通过行或列互换来实现矩阵对称的问题,提出了三种解决方案,包括随机化+状态压缩动态规划、深度优先搜索+状态压缩动态规划以及双重深度优先搜索,每种方法都有详细的步骤解析及代码示例。

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

题目链接

【ARC 095E】Symmetric Grid


题目大意

给定一个字符方阵,每次可以任意交换两行或两列,求是否有一种方案,使得字符矩阵变得对称。对称的定义如下:
对于任意的 1i,jn 1 ≤ i , j ≤ n 都有 s[i][j]==s[n+1i][n+1j] s [ i ] [ j ] == s [ n + 1 − i ] [ n + 1 − j ]


题解

首先,我们发现行和列的顺序都可以任意打乱,所以我们就可以将行和列分开考虑。

方法一:随机化+状态压缩动态规划(1877ms)
我们先考虑如果行的状态确定了,如何判断只交换列是否有可行方案。
考虑状态压缩动态规划。
b[x][y] b [ x ] [ y ] 表示第 x x 行和第y列是否对称,即 col[x]==reverse(col[y]) c o l [ x ] == r e v e r s e ( c o l [ y ] )
dp[msk] d p [ m s k ] 表示 msk m s k 状态中的列是否可以两两匹配。
转移: dp[msk|(1<<i)|(1<<j)]|=dp[msk] d p [ m s k | ( 1 << i ) | ( 1 << j ) ] | = d p [ m s k ] & b[i][j] b [ i ] [ j ]
直接使用深度优先搜索来枚举行会超时,因为状态数是 n! n ! 级别的。
我们考虑如何减少行的枚举量。
很简单,只需随机打乱行约 105 10 5 次即可。我们还需要一个高效的随机打乱函数,详见代码。

代码:

#include <ctime>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <iostream>
using namespace std;
#define ui unsigned int
#define rui register ui
#define inl inline
#define rep(i,l,r) for(rui i=l,_=r;i<_;i++)
#define mxn 12
ui n,m,x,p[mxn];
bool f[1<<mxn],b[mxn][mxn];
char a[mxn][mxn];
inl ui rnd() {
    x^=x<<13;
    x^=x>>17;
    x^=x<<5;
    return x;
}
inl void rsh() {
    rep(i,1,n)
        swap(p[i],p[rnd()%i]);
}
int main() {
    srand(time(0));
    x=rand();
    scanf("%d%d",&n,&m);
    rep(i,0,n)  p[i]=i;
    rep(i,0,n)  scanf("%s",a[i]);
    ui y=CLOCKS_PER_SEC*15;
    while(clock()<<3<=y) {
        rsh();
        memset(b,1,sizeof(b));
        rep(i,0,m)  rep(j,i,m)  rep(k,0,n)
            if(a[p[k]][i]!=a[p[n-k-1]][j])
                b[i][j]=0;
        memset(f,0,sizeof(f));
        f[0]=1;
        rep(k,0,1<<m)   if(f[k])
            rep(i,0,m)  rep(j,i+1,m)
                if(!(1<<i&k)&&!(1<<j&k)&&b[i][j])
                    f[k|(1<<i)|(1<<j)]=1;
        bool chk=0;
        if(!(m&1))
            chk=f[(1<<m)-1];
        else    rep(i,0,m)
            chk|=f[(1<<m)-1-(1<<i)];
        if(chk) {
            puts("YES");
            return 0;
        }
    }
    puts("NO");
    return 0;
}

方法二:深度优先搜索+状态压缩动态规划(2ms)
刚才的随机化方法似乎没有优化余地,我们换一种思路。
考虑“对称”的性质:每一行和它的对应行必须由完全相同的字符构成。
于是,我们就可以利用此性质进行深度优先搜索。这样可以将搜索状态开根,此时的状态数量就比较容易接受了。

代码:

#include <cstdio>
#include <string>
#include <cstring>
#include <cstdlib>
#include <algorithm>
#define mxn 15
using namespace std;
char s[mxn][mxn];
bool e[mxn][mxn],f[1<<mxn];
int n,m,p[mxn],a[mxn];
string t[mxn];
bool mirror(int l,int r) {
    for(int i=0;i<n;i++)
        if(s[i][l]!=s[p[i]][r])
            return 0;
    return 1;
}
void dpcol(bool b) {
    for(int i=0;i<m;i++)
        for(int j=i;j<m;j++)
            e[i][j]=mirror(i,j);
    memset(f,0,sizeof(f)),f[0]=1;
    for(int k=0;k<1<<m;k++) if(f[k])
        for(int i=0;i<m;i++)
            for(int j=i+1;j<m;j++)
                if(!(1<<i&k)&&!(1<<j&k)&&e[i][j])
                    f[k|(1<<i)|(1<<j)]=1;
    bool chk=0; if(!b)  chk=f[(1<<m)-1];
    else for(int i=0;i<m;i++)   chk|=e[i][i]&&f[(1<<m)-1-(1<<i)];
    if(chk) {   puts("YES");    exit(0);    }
}
void dfsrow(int d,bool b) {
    if(d==n) {  dpcol(m&1); return; }
    if(~p[d]) {    dfsrow(d+1,b);  return; }
    for(int i=d+1;i<n;i++)
        if(p[i]==-1&&t[d]==t[i]) {
            p[d]=i,p[i]=d;
            dfsrow(d+1,b);
            p[d]=-1,p[i]=-1;
        }
    if(b)   p[d]=d,dfsrow(d+1,0),p[d]=0;
}
int main() {
    memset(p,-1,sizeof(p));
    memset(a,-1,sizeof(a));
    scanf("%d%d",&n,&m);
    for(int i=0;i<n;i++) {
        scanf("%s",s[i]);
        for(int j=0;j<m;j++)
            t[i]+=s[i][j];
        sort(t[i].begin(),t[i].end());
    }
    dfsrow(0,n&1);
    puts("NO");
    return 0;
}

方法三:双重深度优先搜索(1ms)
既然枚举行都使用深度优先搜索了,那枚举列怎么不可以使用深度优先搜索呢?

代码:

#include <cstdio>
#include <string>
#include <cstring>
#include <cstdlib>
#include <algorithm>
#define mxn 20
#define mxm 26
using namespace std;
char s[mxn][mxn];
int n,m,p[mxn],a[mxn];
string t[mxn];
bool mirror(int l,int r) {
    for(int i=0;i<n;i++)
        if(s[i][l]!=s[p[i]][r])
            return 0;
    return 1;
}
void dfscol(int d,bool b) {
    if(d==m) {  puts("YES");    exit(0);    }
    if(~a[d]) {    dfscol(d+1,b);  return; }
    for(int i=d+1;i<m;i++)
        if(a[i]==-1&&mirror(d,i)) {
            a[d]=i,a[i]=d;
            dfscol(d+1,b);
            a[d]=-1,a[i]=-1;
        }
    if(b&&mirror(d,d))  a[d]=d,dfscol(d+1,0),a[d]=0;
}
void dfsrow(int d,bool b) {
    if(d==n) {  dfscol(0,m&1);  return; }
    if(~p[d]) {    dfsrow(d+1,b);  return; }
    for(int i=d+1;i<n;i++)
        if(p[i]==-1&&t[d]==t[i]) {
            p[d]=i,p[i]=d;
            dfsrow(d+1,b);
            p[d]=-1,p[i]=-1;
        }
    if(b)   p[d]=d,dfsrow(d+1,0),p[d]=0;
}
int main() {
    memset(p,-1,sizeof(p));
    memset(a,-1,sizeof(a));
    scanf("%d%d",&n,&m);
    for(int i=0;i<n;i++) {
        scanf("%s",s[i]);
        for(int j=0;j<m;j++)
            t[i]+=s[i][j];
        sort(t[i].begin(),t[i].end());
    }
    dfsrow(0,n&1);
    puts("NO");
    return 0;
}

总结

遇到此类题目,要先分析题目和条件中蕴含的性质,往往就可以抓住题目的关键。

1. 用户与身体信息管理模块 用户信息管理: 注册登录:支持手机号 / 邮箱注册,密码加密存储,提供第三方快捷登录(模拟) 个人资料:记录基本信息(姓名、年龄、性别、身高、体重、职业) 健康目标:用户设置目标(如 “减重 5kg”“增肌”“维持健康”)及期望周期 身体状态跟踪: 体重记录:定期录入体重数据,生成体重变化曲线(折线图) 身体指标:记录 BMI(自动计算)、体脂率(可选)、基础代谢率(根据身高体重估算) 健康状况:用户可填写特殊情况(如糖尿病、过敏食物、素食偏好),系统据此调整推荐 2. 膳食记录与食物数据库模块 食物数据库: 基础信息:包含常见食物(如米饭、鸡蛋、牛肉)的名称、类别(主食 / 肉类 / 蔬菜等)、每份重量 营养成分:记录每 100g 食物的热量(kcal)、蛋白质、脂肪、碳水化合物、维生素、矿物质含量 数据库维护:管理员可添加新食物、更新营养数据,支持按名称 / 类别检索 膳食记录功能: 快速记录:用户选择食物、输入食用量(克 / 份),系统自动计算摄入的营养成分 餐次分类:按早餐 / 午餐 / 晚餐 / 加餐分类记录,支持上传餐食照片(可选) 批量操作:提供常见套餐模板(如 “三明治 + 牛奶”),一键添加到记录 历史记录:按日期查看过往膳食记录,支持编辑 / 删除错误记录 3. 营养分析模块 每日营养摄入分析: 核心指标计算:统计当日摄入的总热量、蛋白质 / 脂肪 / 碳水化合物占比(按每日推荐量对比) 微量营养素分析:检查维生素(如维生素 C、钙、铁)的摄入是否达标 平衡评估:生成 “营养平衡度” 评分(0-100 分),指出摄入过剩或不足的营养素 趋势分析: 周 / 月营养趋势:用折线图展示近 7 天 / 30 天的热量、三大营养素摄入变化 对比分析:将实际摄入与推荐量对比(如 “蛋白质摄入仅达到推荐量的 70%”) 目标达成率:针对健
<think>嗯,用户的问题是关于在OpenCV校准中如何使用CALIB_CB_SYMMETRIC_GRID的Python实现或用法。首先,我需要回忆一下OpenCV中关于圆形网格标定的函数。记得有一个findCirclesGrid函数,它用于检测对称或不对称的圆形网格,而CALIB_CB_SYMMETRIC_GRID是其中一个标志参数。 接下来,我需要确认这个函数在Python中的调用方式。根据引用[3]中的信息,findCirclesGrid的参数包括输入图像、网格大小、输出中心点数组、标志位等。但引用中的函数原型是C++的,用户需要的是Python的用法,所以得查证Python接口是否一致。 在OpenCV的Python绑定中,函数名通常是类似的,比如findCirclesGrid,参数可能略有不同。记得Python里不需要指定FeatureDetector,可能已经被封装或参数简化了。用户提到的CALIB_CB_SYMMETRIC_GRID对应的Python常量应该是cv2.CALIB_CB_SYMMETRIC_GRID。 然后,需要提供一个示例代码,展示如何调用这个函数。通常步骤是读取图像,转换为灰度,然后调用findCirclesGrid并传入正确的参数。例如,设置patternSize为(4,11)这样的棋盘格大小,flags设为cv2.CALIB_CB_SYMMETRIC_GRID,其他参数保持默认或适当调整。 还要注意可能的常见问题,比如图像预处理的重要性,正确设置网格大小,以及处理返回值。如果函数返回False,可能需要调整参数或检查图像质量。 另外,用户可能遇到错误,比如返回的centers为空,这时候需要检查图像是否有足够的对比度,或者网格尺寸是否正确。同时,参考引用中的错误提示,比如引用[1]提到的mean subtraction错误,可能与输入图像的格式有关,但在这个问题中可能不直接相关,不过需要注意输入图像是否为8位无符号整型,可能需要转换。 最后,确保回答中引用了用户提供的引用[3],因为它直接提到了findCirclesGrid的参数和CALIB_CB_SYMMETRIC_GRID的用途。需要指出在Python中使用时,参数可能有所调整,比如不需要传入FeatureDetector,保持参数简洁。</think>### CALIB_CB_SYMMETRIC_GRID的Python实现与用法 在OpenCV中,$cv2.findCirclesGrid$ 函数用于检测对称或非对称圆形网格标定板,其中$CALIB\_CB\_SYMMETRIC\_GRID$是控制对称网格检测的标志。以下是具体实现方法: #### 1. **Python函数原型** ```python retval, centers = cv2.findCirclesGrid( image, patternSize, flags, blobDetector=None, parameters=None ) ``` - `image`:输入图像(单通道或三通道) - `patternSize`:网格尺寸,例如$(4,11)$表示每行4个圆,每列11个圆 - `flags`:标志参数,如$cv2.CALIB\_CB\_SYMMETRIC\_GRID$ - `retval`:布尔值,表示是否成功检测 - `centers`:检测到的圆心坐标列表[^3] #### 2. **代码示例** ```python import cv2 # 读取图像并转为灰度图 img = cv2.imread("circle_grid.png") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 设置对称网格参数 pattern_size = (4, 11) # 根据实际标定板调整 flags = cv2.CALIB_CB_SYMMETRIC_GRID # 检测圆形网格 found, centers = cv2.findCirclesGrid( gray, pattern_size, flags ) if found: cv2.drawChessboardCorners(img, pattern_size, centers, found) cv2.imshow("Detected Symmetric Grid", img) cv2.waitKey(0) ``` #### 3. **关键说明** - **对称性选择**:$CALIB\_CB\_SYMMETRIC\_GRID$适用于棋盘格中圆形按矩形对称分布的标定板,若使用非对称布局需改用$CALIB\_CB\_ASYMMETRIC\_GRID$ - **图像预处理**:建议对图像进行高斯模糊或直方图均衡化以提高检测成功率 - **参数调整**:若检测失败,可尝试调整`pattern_size`或结合$CALIB\_CB\_CLUSTERING$标志 #### 4. **常见问题** - **返回值`found=False`**:检查图像是否包含完整网格、光照是否均匀 - **坐标精度**:输出的圆心坐标为浮点型,可直接用于相机标定 - **版本兼容性**:OpenCV 4.1+版本中参数顺序与早期版本可能存在差异
评论 1
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