题意
使用一种叫做“run length encoding”的方式来储存大尺寸图片,该方法是通过记录编码值和编码长度的对(value,length)来存储图片。有一种简单的edge detection算法是将图像中的每一个点的值与他周围的八个点求差,然后取绝对值的最大值。
现在的任务就是实现这个算法,输入的图片是以run length encoding的形式表示的,同时也要求转换后的图片也以run length encoding的形式表示。
思路
题意中说明图片的长度为10^9,因此不可能采用暴力计算法。但是输入的pair number不超过1000,数量上是很少的,因此可以采用跳跃编码。
run length encoding编码方法是记录编码值和该值的编码长度,这里长度可以用开始和结束位置代替,结束位置可以用下一个值的开始位置表示。这样就变成记录每一个出现的新值和出现的位置即可。
而edge detection中每一个新值的出现都是因为输入图片中新值的出现。因此,只要对输入图片的每一个pair计算这个新值开始位置周围8个像素edge值,并记录位置即可。然后对所有计算的edge值根据位置排序,并且对edge值相同的pair进行合并就是所求结果。
异常点处理
上述讲到对于输入图片中每一个新值的周围8个像素点都进行计算,但是当该开始位置位于一行的末尾时是否需要对后续像素计算。答案是需要。
下表中第二行第三列的3是一个新值因此需要对周围8个像素计算;而第二行第四列的4也是一个新值,那么就要对该值周围的8个像素,包括其后的三个值(括号里),而它们对应的像素就是绿色圈起来的像素点。
另外一个异常点出现在最后一行,见下图,这是因为最后一行的第一个像素因为没有了下一行而出现变化。
源代码
#include <iostream>
#include <math.h>
#include <algorithm>
using namespace std;
const int size = 1000;
int width;
int totle; //input pix length
typedef struct{
int value;
int