分块初学2

题目:区间修改,区间查询

做法:和普通的分块做法类似,mrak[i]表示第i这个块每个元素加上的值,d[i]表示第i这个块所有元素之和。

代码如下:

#include<iostream>
#include<cstring>
#include<string>
#include<algorithm>
#include<cmath>
#include<cstdio>
using namespace std;
int block,n,m,op,x,y,z;
long long  a[100005],l[100005],r[100005],belong[100005],mark[100005],d[100005];
void change(int x,int y,int z)
{
	if (belong[x]==belong[y]){
		for (int i=l[belong[x]];i<=r[belong[x]];i++) a[i]=a[i]+mark[belong[x]];
		d[belong[x]]=d[belong[x]]+mark[belong[x]]*(r[belong[x]]-l[belong[x]]+1);
		mark[belong[x]]=0;
		for (int i=x;i<=y;i++) a[i]=a[i]+z;
		d[belong[x]]=d[belong[x]]+z*(y-x+1);
		return;
	}
	for (int i=x;i<=r[belong[x]];i++) a[i]=a[i]+z;
	d[belong[x]]=d[belong[x]]+(r[belong[x]]-x+1)*z;
	for (int i=l[belong[y]];i<=y;i++) a[i]=a[i]+z;
	d[belong[y]]=d[belong[y]]+(y-l[belong[y]]+1)*z;
	for (int i=belong[x]+1;i<belong[y];i++){
		mark[i]=mark[i]+z;
		d[i]=d[i]+block*z;
	}
}
long long sum(int x,int y)
{
	long long ans=0;
	if (belong[x]==belong[y]){
		for (int i=x;i<=y;i++) ans=ans+a[i];
		ans=ans+mark[belong[x]]*(y-x+1);
		return ans;
	}
	for (int i=x;i<=r[belong[x]];i++) ans=ans+a[i];
	ans=ans+mark[belong[x]]*(r[belong[x]]-x+1);
	for (int i=l[belong[y]];i<=y;i++) ans=ans+a[i];
	ans=ans+mark[belong[y]]*(y-l[belong[y]]+1);
	for (int i=belong[x]+1;i<belong[y];i++) ans=ans+d[i];
	return ans;
}
int main()
{
	scanf("%d%d",&n,&m);
	for (int i=1;i<=n;i++) scanf("%lld",&a[i]);
	block=(int)sqrt(n);
	int num=n/block;
	if (n%block!=0) num++;
	for (int i=1;i<=n;i++) belong[i]=((i-1)/block)+1;
	for (int i=1;i<=num;i++){
		l[i]=(i-1)*block+1;
		r[i]=i*block;
	}
	memset(mark,0,sizeof(mark));
	for (int i=1;i<=n;i++) d[belong[i]]=d[belong[i]]+a[i];
	for (int i=1;i<=m;i++){
		scanf("%d",&op);
		if (op==2){
			scanf("%d%d",&x,&y);
			printf("%lld\n",sum(x,y));
		}
		if (op==1){
			scanf("%d%d%d",&x,&y,&z);
			change(x,y,z);
		}
	}
	return 0;
}


基于JPG的彩色图像分块、量化、ZigZag编码和压缩的MATLAB代码是初学者学习图像处理和压缩的重要示例。以下是一个简单的代码示例: 图像分块: 首先,我们需要将彩色图像分成若干个块。可以使用MATLAB中的im2col函数将图像转换为列向量,并按照设定的块大小进行分块。 ```matlab function blocks = blockImage(img, blocksize) blocks = im2col(img, [blocksize blocksize], 'distinct'); end ``` 量化: 图像量化是减少图像数据的精度以实现压缩的过程。在图像的每个块上进行离散余弦变换(DCT),并将变换系数量化。 ```matlab function quantizedCoeffs = quantizeDCT(coeffs, qTable) quantizedCoeffs = round(coeffs ./ qTable); end ``` ZigZag编码: 通过对量化后的DCT系数进行ZigZag排序,可以将二维的系数数组转换为一维数组。这是JPEG编码中必要的步骤。 ```matlab function encodedCoeffs = zigzagEncode(quantizedCoeffs) zigzagPattern = zigzagPattern(8); encodedCoeffs = quantizedCoeffs(zigzagPattern); end function pattern = zigzagPattern(n) pattern = reshape(1:n^2, n, n); pattern = pattern(:, mod(1:n, 2) == 1); pattern(:, end+1) = pattern(end-1, end); pattern = pattern(:); end ``` 编码压缩: 最后一步是利用哈夫曼编码对ZigZag编码结果进行编码压缩。在MATLAB中,可以使用符号工具箱中的哈夫曼编码函数。 ```matlab function compressedData = huffmanEncode(encodedCoeffs) symbols = unique(encodedCoeffs); counts = histc(encodedCoeffs(:), symbols); p = counts ./ sum(counts); dict = huffmandict(symbols, p); compressedData = huffmanenco(encodedCoeffs(:), dict); end ``` 这个简单的代码示例展示了基于JPG的彩色图像分块、量化、ZigZag编码和压缩的过程。初学者可以通过修改和扩展这些函数来深入学习和理解JPEG图像压缩算法。请注意,这里只提供了基本的示例,实际的JPEG压缩算法更加复杂和细致。
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