Jzoj4787 数格子

题意:用1x2的骨牌填满4xN的格子的方案数

设f[i][j]表示填到第i行,这一行的状态为j的方案数

f[i][j]=Σf[i-1][k],其中k->j是一个合法转移

合法转移要满足两个条件:

1.若k的第x位为0,那么j的第x位一定要为1 (~k|j==j)

2.k,j都为一的位置必须是偶数个且必须连续,即k&j的二进制不能出现单独一个1,例如0101不合法,0011和0110都合法

这样就可以转移了,最后可以用矩阵加速

#include<stdio.h>
#include<string.h>
#define L long long
const int w[5]={0,3,6,12,15};
int n,M;
struct Mat{
	int n,m;
	int s[16][16];
	Mat(){ memset(s,0,sizeof s); }
	void clr(){ memset(s,0,sizeof s); }
	void set(int x,int y){ n=x; m=y; }
	Mat operator * (const Mat& b){
		Mat c; c.set(n,b.m);
		for(int i=0;i<n;++i)
			for(int j=0;j<b.m;++j)
				for(int k=0;k<m;++k)
					c.s[i][j]=(c.s[i][j]+(L)s[i][k]*b.s[k][j])%M;
		return c;
	}
} a,b;
bool ok(int x){
	for(int i=0;i<5;++i) if(x==w[i]) return 1;
	return 0;
}
void pow(int k){
	for(;k;b=b*b,k>>=1) if(k&1) a=a*b;
}
int main(){
	a.set(1,16); b.set(16,16);
	begin:
	a.clr(); b.clr();
	for(int i=0;i<16;++i)
		for(int j=0;j<16;++j)
			if(((~i&15)|j)==j&&ok(i&j)) b.s[i][j]=1;
	a.s[0][15]=1;
	scanf("%d%d",&n,&M);
	if(n&&M){
		pow(n);
		printf("%d\n",a.s[0][15]);
		goto begin;
	}
}

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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)): # 计算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。

“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