算法基础之二维差分 学习笔记

更新啦~

二维差分

我们一样先从题目来插入
 首先 
输入用例为: 

3 4 2
1 2 3 4
5 6 7 8
9 10 11 12
1 1 1 4 1
1 1 2 4  -2


表示的是输入3行4列个数并进行2次查询
然后是3行4列个数
最后查询是从第1,1到第1,4的二维数组加上1,输出此时的数列

为了方便我把初始的坐标称为x1,y1  终点坐标x2,y2,增加的数为l

并把原数据存入N[3][4]里面,增加的数存在a[3][4]中,最后增加的数存在sum【3】【4】

 同样的遇到这种题目 暴力破解可以,直接从1,1到1,4的数组都加v就行

但是如果数列比较大而查询的次数又比较多,别如10个数查询50次

每次遍历1遍,需要500次,就会使得算法复杂度为O(n*m)

所以为了优化算法,降低复杂度,就出现了二维差分

首先一维思想是一行

同理当为一列时也是这样的

 

当放在二维时累加就会使整个粉色区域都加1

 根据一维思想我们在行和列都设了一个-1 即绿色区域覆盖处

不难看出那个深绿色被减了两次所以加上一个深绿色即加1

所以二维差分的公示就出来了

    a[x1][y1]+=l;
    a[x2+1][y1]-=l;
    a[x1][y2+1]-=l; 
    a[x2+1][y2+1]+=l;

只要用二维前缀和求矩阵和思想,得到的就是N[x1][y1]-N[x2][y2]都加l 

#include<stdio.h>
int N[100][100];
int a[100][100];
int sum[100][100];
int add(int x1,int y1,int x2,int y2,int l)
{
	a[x1][y1]+=l;
	a[x2+1][y1]-=l;//注意两个点即行和列都要设-l 也就是传递值的终止信号 
	a[x1][y2+1]-=l; 
	a[x2+1][y2+1]+=l;//对角线个矩阵减了两次所以加l 
}
void Sum(int n,int m)//二维前缀和思想 得到的就是N[x1][y1]-N[x2][y2]都加l 
{
		for(int i=1;i<=n;i++)
	{
		for(int j=1;j<=m;j++)
		sum[i][j]=a[i][j]+sum[i-1][j]+sum[i][j-1]-sum[i-1][j-1];//值传递 
	}
 } 
int main()
{
	int n,m,M;
	scanf("%d %d %d",&n,&m,&M);
	for(int i=1;i<=n;i++)
	{
		for(int j=1;j<=m;j++)
		scanf("%d",&N[i][j]);
	}
	int x1,y1,x2,y2,l;
	while(M--)
	{
		scanf("%d %d %d %d %d",&x1,&y1,&x2,&y2,&l);
		add(x1,y1,x2,y2,l);
	}
	Sum( n, m);
		for(int i=1;i<=n;i++)
	{
		for(int j=1;j<=m;j++)
	printf("%d ",sum[i][j]+N[i][j]); 
	printf("\n");
	}
	
	
 } 

这篇文章以互相学习为主,有什么错的还望告知,谢谢啦

(ps 小声bb,如果有很多人看的话,我就会持续更新算法基础哦,写博客真的很累,emmm....)

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 二维差分算法主要用于处理二维图像或矩阵数据,常见的关键词包括: 1. 图像处理:图像锐化、边缘检测、图像增强、图像去噪等。 2. 计算机视觉:目标检测、人脸识别、图像分割等。 3. 数字信号处理:滤波器设计、频谱分析、信号降噪等。 4. 机器学习:特征提取、降维、聚类等。 5. 数学建模:偏微分方程、优化问题等。 一般来说,只要涉及到二维数据处理和分析的领域,都可以考虑使用二维差分算法。 ### 回答2: 二维差分算法是一种用于处理二维图像或数据的算法。这种算法主要用于求解图像或数据中某个位置与其周围位置之间的差异或变化情况。以下是一些关键词可以使用二维差分算法: 1. 图像增强:二维差分算法可以用来对图像进行增强处理,通过计算每个像素与其周围像素的差分,可以提取出图像中的边缘或纹理等细节。 2. 图像变换:二维差分算法可以用来进行图像的变换,例如平移、旋转和缩放等操作。通过计算像素点在变换后与原图像中相应位置像素点的差分,可以实现图像的变换。 3. 特征提取:二维差分算法可以用来提取图像中的特征,例如角点和边缘等。通过计算每个像素与其相邻像素的差分并对差分结果进行分析,可以找到具有显著变化的像素,从而提取出图像的特征。 4. 图像压缩:二维差分算法可以用来进行图像的压缩。通过计算图像中每个像素与其邻域像素的差分,并利用差分结果的统计特性,可以对图像进行压缩,从而减少图像的存储空间。 5. 移动目标检测:二维差分算法可以用来进行移动目标的检测。通过计算当前帧图像与前一帧图像之间的差分,并设置适当的阈值,可以检测出图像中出现的移动目标,例如行人或车辆等。 总之,二维差分算法可以广泛应用于图像处理、计算机视觉和模式识别等领域,用于求解图像或数据中的差异或变化情况。

“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