Poj 2546 Circular Area & LiaghtOJ 1118 Incredible Molecules

本文详细介绍了如何使用三角形面积、余弦定理等数学原理,来计算两个圆相交部分的面积。通过分析不同情况下的圆与圆之间的位置关系,作者提供了通用的解题思路,并通过代码实现,最终给出测试数据验证解决方案的有效性。

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

题目链接: http://lightoj.com/volume_showproblem.php?problem=1118

                     http://poj.org/problem?id=2546


题意:给出两圆的圆心和半径,求相交部分面积。

思路:三种情况:外离或外切,内含或内切,相交(这时有两种情况:一圆心在另一圆的内部和外部,效果一样)。

先求出两圆交点 与 连心线与圆的交点 构成的四边形面积,圆心距和两半径用余弦定理解三角形,再用两次余弦定理求出两扇形的圆心角,两扇形面积和减去四边形面积即为答案


自己写的时候讨论的情况相当复杂,代码冗长大哭…………最后参考了 这里 之后大幅优化。

下面给出的代码对应LightOJ,Poj的那道只要改一下输入输出就行了。

代码最后给出了几组LightOJ的测试数据。


今天还发现了一个比较扯的地方,在LightOJ的编译器里没有“abs”函数的定义……“fabs”函数的参数类型可以是int。

在Poj"fabs"函数的参数类型不能是int,int必须用"abs"……


#include <stdio.h>
#include <math.h>
#define PI acos(-1.0)
#define MIN(X,Y) ((X) < (Y) ? (X) : (Y))

double Deal ()
{
	int x1,y1,r1,x2,y2,r2;
	scanf("%d%d%d%d%d%d",&x1,&y1,&r1,&x2,&y2,&r2);
	double dis=sqrt(1.0*(x1-x2)*(x1-x2)+1.0*(y1-y2)*(y1-y2));
	if (dis<=fabs(r1-r2))
		return PI*MIN(r1,r2)*MIN(r1,r2);
	else if (dis>=r1+r2)
		return 0;
	else
	{
		double temp=acos((r1*r1+r2*r2-dis*dis)/(2*r1*r2));
		temp=r1*r2*sin(temp);
		double temp1=acos((r1*r1+dis*dis-r2*r2)/(2*r1*dis));
		temp1=temp1*r1*r1;
		double temp2=acos((r2*r2+dis*dis-r1*r1)/(2*r2*dis));
		temp2=temp2*r2*r2;
		return temp1+temp2-temp;
	}
}

int main ()
{
	int T;
	scanf("%d",&T);
	for (int cas=1;cas<=T;cas++)
		printf("Case %d: %.8lf\n",cas,Deal());
	return 0;
}


/*LightOJ的其他测试数据
Input:
5
0 0 1 10 10 1
0 0 10 0 0 5
-862 823 894 -667 402 663
548 518 145 119 828 620
777 499 712 479 314 967

Output:
Case 1: 0.0
Case 2: 78.5398163397
Case 3: 1139058.0639436883
Case 4: 56622.85922574766
Case 5: 1513681.0685423985
*/


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