【FFT快速傅里叶变换】【模板】

【题目链接】:http://uoj.ac/problem/34

【题目描述】:

 统计

这是一道模板题。

给你两个多项式,请输出乘起来后的多项式。

输入格式

第一行两个整数  n n 和  m m,分别表示两个多项式的次数。

第二行  n+1 n+1 个整数,分别表示第一个多项式的  0 0 到  n n 次项前的系数。

第三行  m+1 m+1 个整数,分别表示第一个多项式的  0 0 到  m m 次项前的系数。

输出格式

一行  n+m+1 n+m+1 个整数,分别表示乘起来后的多项式的  0 0 到  n+m n+m 次项前的系数。

样例一

input
1 2
1 2
1 2 1

output
1 4 5 2

explanation

(1+2x)(1+2x+x2)=1+4x+5x2+2x3 (1+2x)⋅(1+2x+x2)=1+4x+5x2+2x3

限制与约定

0n,m105 0≤n,m≤105,保证输入中的系数大于等于  0 0 且小于等于  9 9

时间限制 1s 1s

空间限制 256MB

【思路】FFT快速傅里叶变换-模板题,手写complex 函数比系统自带效率高。

【代码】352MS

#include <bits/stdc++.h>
using namespace std;
const int maxn = 2e6+233;
#define DB double
const DB pi = acos(-1);

struct CP {
    DB x, y; CP(){} inline CP(DB a, DB b):x(a),y(b){}
    inline CP operator + (const CP&r) const { return CP(x + r.x, y + r.y); }
    inline CP operator - (const CP&r) const { return CP(x - r.x, y - r.y); }
    inline CP operator * (const CP&r) const { return CP(x*r.x-y*r.y, x*r.y+y*r.x); }
    inline CP conj() { return CP(x, -y); }
} a[maxn], b[maxn], t;

int n, m;
inline void Swap(CP&a, CP&b) { t = a; a = b; b = t; }
const int BUF=8096000,OUT=8000000;

char Buf[BUF],*buf=Buf,Out[OUT],*ou=Out;int Outn[64],Outcnt;
inline int read() {int a;for(a=0;*buf<48;buf++);while(*buf>47)a=a*10+*buf++-48;return a;}
inline void print(int x){ if(!x) *ou ++ = 48; else { for(Outcnt=0;x;x/=10) Outn[++Outcnt]=x%10+48; while(Outcnt)*ou++=Outn[Outcnt--]; } *ou++=' '; }

void FFT(CP*a, int n, int f) {
    int i, j, k;
    for(i = j = 0; i < n; ++ i) {
        if(i > j) Swap(a[i], a[j]);
        for(k = n>>1; (j ^= k) < k; k >>= 1);
    }
    for(i = 1; i < n; i <<= 1) {
        CP wn(cos(pi/i), f*sin(pi/i));
        for(j = 0; j < n; j += i<<1) {
            CP w(1, 0);
            for(k = 0; k < i; ++ k, w=w*wn) {
                CP x = a[j+k], y = w*a[i+j+k];
                a[j+k] = x+y; a[i+j+k] = x-y;
            }
        }
    }
    if(-1 == f) for(i = 0; i < n; ++ i) a[i].x /= n;
}
int main() {
    fread(Buf, 1, BUF, stdin);
    n = read(); m = read();
    for(int i = 0; i <= n; ++ i) a[i].x = read();
    for(int i = 0; i <= m; ++ i) a[i].y = read();
    for(m += n, n = 1; n <= m; n <<= 1);
    FFT(a, n, 1); CP Q(0, -0.25);
    for(int i = 0, j; i < n; ++ i) j = (n-i)&(n-1), b[i] = (a[i]*a[i]-(a[j]*a[j]).conj())*Q;
    FFT(b, n,-1);
    for(int i = 0; i <= m; ++ i) print(int(b[i].x+0.2));
    fwrite(Out, 1, ou-Out, stdout);
    return 0;
}

非递归版:1061MS

【代码】:

#include <bits/stdc++.h>
using namespace std;
const int maxn = 2e6+233;
#define DB double
#define pi acos(-1)

typedef complex<double> E;
int n,m,L;
int R[maxn];
E a[maxn],b[maxn];

inline int read(){
    int  c=0,f=1;
    char ch=getchar();
    while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();}
    while(ch>='0'&&ch<='9'){c=c*10+ch-'0';ch=getchar();}
    return c*f;
}
inline void put(int x)
{
    int num = 0;
    char c[15];
    while(x) c[++num] = (x%10)+48, x /= 10;
    while(num) putchar(c[num--]);
    putchar(' ');
}

void fft(E *a,int f)
{
	for(int i=0;i<n;i++)if(i<R[i])swap(a[i],a[R[i]]);
	for(int i=1;i<n;i<<=1)
	{
		E wn(cos(pi/i),f*sin(pi/i));
		for(int p=i<<1,j=0;j<n;j+=p)
		{
			E w(1,0);
			for(int k=0;k<i;k++,w*=wn)
			{
				E x=a[j+k],y=w*a[j+k+i];
				a[j+k]=x+y;a[j+k+i]=x-y;
			}
		}
	}
}
int main()
{
	n=read();m=read();
	for(int i=0,x;i<=n;i++)x=read(),a[i]=x;
	for(int i=0,x;i<=m;i++)x=read(),b[i]=x;
	m=n+m;for(n=1;n<=m;n<<=1)L++;
	for(int i=0;i<n;i++)R[i]=(R[i>>1]>>1)|((i&1)<<(L-1));
	fft(a,1);fft(b,1);
	for(int i=0;i<=n;i++)a[i]=a[i]*b[i];
	fft(a,-1);
	for(int i=0;i<=m;i++)
        //put((int)(a[i].real()/n+0.5));printf(" ");
		printf("%d ",(int)(a[i].real()/n+0.5));
	return 0;
}

传送门:【FFT】:

http://blog.csdn.net/iamzky/article/details/22712347

http://blog.csdn.net/quack_quack/article/details/50620052         

http://www.gatevin.moe/acm/fft算法学习笔记/

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Matlab中的FFT快速傅里叶变换)函数可用于实现模板匹配定位算法。模板匹配定位是一种图像处理技术,用于在一幅图像中找寻目标图像的位置或区域。 首先,我们需要创建一个目标模板,该模板是我们希望在原始图像中定位的目标图像的子集。模板可以是任何感兴趣的对象,如人脸、车辆或文本等。 接下来,我们使用FFT函数对原始图像和目标模板进行傅里叶变换。FFT将这些图像从空域转换到频域,这样我们就可以在频域中进行匹配操作。对于原始图像和目标模板,我们分别获取其幅度谱和相位谱。 然后,我们需要对目标模板的幅度谱和相位谱进行归一化处理。这是为了使它们具有相似的尺度,并且在匹配过程中排除原始图像的亮度和对比度变化的影响。 接下来,我们对原始图像的幅度谱和相位谱进行相应的归一化处理。 然后,我们可以使用幅度谱和相位谱的对比度进行模板匹配。具体而言,我们对原始图像的幅度谱和相位谱与目标模板的幅度谱和相位谱进行逐像素相乘,并使用IFFT(逆傅里叶变换)将结果转换回空域。 最后,我们可以使用峰值检测方法在结果图像中找到最高峰值所对应的位置,该位置即为目标模板在原始图像中的定位。 通过这种方式,我们可以在Matlab中使用FFT函数实现模板匹配定位。傅里叶变换能够显著提高模板匹配的效率,使得目标定位更加精确和鲁棒。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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