题目描述
给定一个 n × n 的二维矩阵表示一个图像。
将图像顺时针旋转 90 度。
说明:
你必须在原地旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要使用另一个矩阵来旋转图像。
示例 1:
给定 matrix =
[
[1,2,3],
[4,5,6],
[7,8,9]
],
原地旋转输入矩阵,使其变为:
[
[7,4,1],
[8,5,2],
[9,6,3]
]
示例 2:
给定 matrix =
[
[ 5, 1, 9,11],
[ 2, 4, 8,10],
[13, 3, 6, 7],
[15,14,12,16]
],
原地旋转输入矩阵,使其变为:
[
[15,13, 2, 5],
[14, 3, 4, 1],
[12, 6, 8, 9],
[16, 7,10,11]
]
题目分析
做矩阵旋转的题其实很好想,我们假设是一个22的数组,那么旋转一下不就是
(0,0)——>(1,0),
(1,0)——>(1,1),
(1,1)——>(0,1),
(0,1)——>(0,0)。
这个没什么难想的。那么扩展一下到33的矩阵呢,就是先四个角旋转,再将中间的进行旋转呗。
那么下面难一点55呢,也是先将四角旋转,接下来是(1,0)再下来是(2,0)……(3,0)因为(5,0)一开始就已经旋转过了。接着又开始内层的33旋转。
剩下的就翻译成代码就行啦。
源码
class Solution {
public void rotate(int[][] matrix) {
if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
return;
}
int col = matrix[0].length-1;
int row = matrix.length-1;
int CurCol = col;
int CurRow = row;
for (int r = 0; r < CurRow ; r++) {
for (int c = r; c < CurCol; c++) {
int x1 = r;
int y1 = c;
int x2 = c;
int y2 = col - r;
int x3 = row - r;
int y3 = col - c;
int x4 = row - c;
int y4 = r;
swap(matrix, x1, y1, x2, y2);
swap(matrix, x1, y1, x3, y3);
swap(matrix, x1, y1, x4, y4);
}
CurRow--;
CurCol--;
}
}
public void swap(int[][] matrix, int x1, int y1, int x2, int y2) {
int temp = matrix[x1][y1];
matrix[x1][y1] = matrix[x2][y2];
matrix[x2][y2] = temp;
}
}
难点
对于我来说,难点主要是三个。
第一个就是矩阵的行列数,或者是坐标是数组个数减一,往往做的时候就会忘记了。
第二个是把每四个点给表示出来,这个也太绕了吧,不得设N*N的矩阵来计算。
第三个是交换的时候,因为在底层时(x1,y1)和(x2,y2)已经交换过了地址了,事实上只要讲(x1,y1)的地址不断与其他三个角交换就行。
改进
上面的思路确实很清晰,那么有没有更巧妙一点的方法,或者换个算法来解决这个问题呢?有一个方法,把矩阵的每个地址看作是一个坐标轴上的点,与旋转后的点相比会发现,不过就是把矩阵从后向前重新填了一下吧!
改进代码
class Solution {
public void rotate(int[][] matrix) {
int[][] flag = new int[matrix.length][matrix.length];
//创建一个数组进行复制,原因就是它的方法是void 不然就可以直接填进去返回这个新数据就完事了
for (int i=0; i<matrix.length; i++) {
for (int j=0; j<matrix.length; j++) {
flag[i][j] = matrix[i][j];
}
}
//复制的原因就是直接用等号了原先matrix的地址也会改变,这样再重新填入的时候就比较麻烦了
for (int i=0; i<matrix.length; i++) {
for (int j=0; j<matrix.length; j++) {
matrix[j][i] = flag[matrix.length-1-i][j];
}
}
}
}
分析
这两个算法的时间复杂度都为O(n^2)
小结
旋转矩阵和选择图像其实是一样的道理,毕竟图像都是一个一个的像素组成的呀,只是相对矩阵比较庞大罢了。解这种题其实和动态规划的思路有那么点接近,都是先考虑状态,再想状态的转移,一步一步思考下去。