【3011】数格子算面积

数格子算面积

Time Limit: 1000ms   Memory limit: 262144K  有疑问?点这里^_^

题目描述

给你一个多边形(\’/’表示多边形的边),求多边形的面积


输入

  第一行两个正整数   w (2 ≤ h, w ≤ 100),h 是多边形所在平面的高 ,w 是多边形所在平面的宽 , 接下来 h , 每行 w 个字符 , 描述了整个平面的每个单元 ( 每个单元是一个单位面积 ), 字符只会是 \’,’/’ .’ 其中之一,’\’,’/’ 表示多边形的边,’.’ 表示空白单元

输出

  输出一个数 , 输入代表的平面内多边形的单位面积

示例输入

4 4
/\/\
\../
.\.\
..\/

示例输出

8

提示

 

来源

青岛理工交流赛

示例程序



#include <stdio.h>
#include <string.h>
void main()
{
	char a[101][101];
	int h, w, i, j;
	while(~scanf("%d%d",&h,&w))
	{
		int count=0, f=0;
	     for(i=0;i<h;i++)
		 {
		   scanf("%s",&a[i]);
			for(j=0;a[i][j]!='\0';j++)
			{
				if(a[i][j]=='/' || a[i][j]=='\\')
				{
					if(!f)
                        f=1;
                    else
                        f=0;
                    count++;
				}
				else if(f==1 && a[i][j]=='.')
				{
					count+=2;
				}
			}
		}
		 printf("%d\n",count/2);
	}
}


要在Python中识别图片格子内的字,可以使用一些图像处理库和机器学习库,例如OpenCV和TensorFlow。以下是一个基本的流程: 1. 读取图片并将其转换为灰度图像。 2. 对图像进行预处理,例如去除噪声、二值化等。 3. 使用图像处理技术(例如轮廓检测)找出每个格子的边界。 4. 将每个格子的图像提取出来,并使用机器学习模型(例如卷积神经网络)来识别字。 以下是一个示例代码,演示如何使用OpenCV库对图片进行预处理和轮廓检测,并使用TensorFlow库来识别字: ```python import cv2 import numpy as np import tensorflow as tf # 加载机器学习模型 model = tf.keras.models.load_model('model.h5') # 读取图片并将其转换为灰度图像 img = cv2.imread('image.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对图像进行预处理,例如去除噪声、二值化等 blur = cv2.GaussianBlur(gray, (5, 5), 0) thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2) # 使用轮廓检测找出每个格子的边界 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 遍历每个轮廓 for i in range(len(contours)): # 计当前轮廓的面积和周长 area = cv2.contourArea(contours[i]) perimeter = cv2.arcLength(contours[i], True) # 如果面积和周长符合格子的要求,则将当前格子的图像提取出来并识别字 if area > 100 and perimeter > 80: x, y, w, h = cv2.boundingRect(contours[i]) digit_img = thresh[y:y+h, x:x+w] digit_img = cv2.resize(digit_img, (28, 28)) digit_img = digit_img.reshape((1, 28, 28, 1)) digit_img = digit_img.astype('float32') / 255 digit_pred = model.predict(digit_img) digit = np.argmax(digit_pred) # 在原图像上绘制识别出的字 cv2.putText(img, str(digit), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) # 显示处理后的图片 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个代码中,我们首先加载一个机器学习模型(在这里我们使用TensorFlow库中的一个手写字识别模型)。然后,我们读取一个图片并将其转换为灰度图像。接下来,我们对图像进行预处理,例如去除噪声、二值化等。然后,我们使用OpenCV库中的轮廓检测函`findContours()`来找出每个格子的边界。对于每个符合要求的格子,我们将其图像提取出来,并使用机器学习模型来识别字。最后,我们在原图像上绘制识别出的字,并显示处理后的图片。
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