在诊断肿瘤疾病时,计算肿瘤体积是很重要的一环。给定病灶扫描切片中标注出的疑似肿瘤区域,请你计算肿瘤的体积。
输入格式:
输入第一行给出4个正整数:M、N、L、T,其中M和N是每张切片的尺寸(即每张切片是一个M×N的像素矩阵。最大分辨率是1286×128);L(≤60)是切片的张数;T是一个整数阈值(若疑似肿瘤的连通体体积小于T,则该小块忽略不计)。
最后给出L张切片。每张用一个由0和1组成的M×N的矩阵表示,其中1表示疑似肿瘤的像素,0表示正常像素。由于切片厚度可以认为是一个常数,于是我们只要数连通体中1的个数就可以得到体积了。麻烦的是,可能存在多个肿瘤,这时我们只统计那些体积不小于T的。两个像素被认为是“连通的”,如果它们有一个共同的切面,如下图所示,所有6个红色的像素都与蓝色的像素连通。
输出格式:
在一行中输出肿瘤的总体积。
思路:三维搜索联通块。。
#include<bits/stdc++.h>
#define INF 0x3f3f3f3f
#define ll long long
#define mem(ar,num) memset(ar,num,sizeof(ar))
#define me(ar) memset(ar,0,sizeof(ar))
#define lowbit(x) (x&(-x))
#define IOS ios::sync_with_stdio(false)
#define DEBUG cout<<endl<<"DEBUG"<<endl;
#define mod 19260817
#define N 100005
#define MP make_pair
#define PI pair<int,int>
using namespace std;
int m, n, l, t, mp[62][1300][130], vis[62][1300][130], ans; //M和N是每张切片的尺寸;L(≤60)是切片的张数;T是一个整数阈值
int net[6][3] = {{1, 0, 0}, {0, 1, 0}, {0, 0, 1}, {-1, 0, 0}, {0, -1, 0}, {0, 0, -1}};
struct node {
int z, x, y;
};
void bfs(int z, int x, int y) {
queue<node> q;
q.push((node) {
z, x, y
});
vis[z][x][y] = 1;
int siz = 1;
while(!q.empty()) {
node a = q.front();
q.pop();
for(int i = 0; i < 6; i++) {
int z1 = a.z + net[i][0], x1 = a.x + net[i][1], y1 = a.y + net[i][2];
if(z1 >= 0 && z1 < l && x1 >= 0 && x1 < m && y1 >= 0 && y1 < n && !vis[z1][x1][y1] && mp[z1][x1][y1]) {
siz++;
vis[z1][x1][y1] = 1;
q.push((node) {
z1, x1, y1
});
}
}
}
if(siz >= t)
ans += siz;
}
int main() {
cin >> m >> n >> l >> t;
for(int i = 0; i < l; i++)
for(int j = 0; j < m; j++)
for(int k = 0; k < n; k++)
cin >> mp[i][j][k];
for(int i = 0; i < l; i++)
for(int j = 0; j < m; j++)
for(int k = 0; k < n; k++)
if(mp[i][j][k] && !vis[i][j][k]) {
bfs(i, j, k);
}
cout << ans;
return 0;
}