2795Billboard segment_tree

#include <iostream>
#include <cstdio>
#include <cstring>
#define lson l,m,rt<< 1
#define rson m+1,r,rt <<1 | 1
using namespace std;
const int N=2200100;
long long mx[N<<2];
int h,w;
//按序号来说,左边的小于右边的,而题中要求选尽量小的,左边优先权大于右边
void pushup(int rt){
    mx[rt] = max(mx[rt << 1],mx[rt << 1 | 1]);
}
void build(int l,int r,int rt){
    mx[rt]=w;
    if(l==r){
        return ;
    }
    int m=(l+r) >> 1;
    build(lson);
    build(rson);
    //pushup(rt);
}
int Query(int x,int l,int r,int rt){
    if(l==r){
        mx[rt]-=x;//use x;
        return l;//为什么返回l,而不是rt,因为rt表示子树的根,,而真正和层数相符的是[a,a],即l,根的更新比l,r慢一拍,进入下层递归,rt才更新
    }
    int m= (l+r)>>1;
    int ret=0;
    ret=(x>mx[rt<<1])?Query(x,rson):Query(x,lson);//mx[rt<<1]把位运算写反了...debug去吧= =
    pushup(rt);//因为rt变了
    return ret;
}
int main()
{
    int n,x;
    while(scanf("%d%d%d",&h,&w,&n)==3){
        h=(h>n)?n:h;//直接代会re= =
        build(1,h,1);//节点数的控制,1e9爆,而h>n无意义(后面的空行没用)
        while(n--){
            scanf("%d",&x);
            if(x>mx[1]){
                printf("-1\n");
            }else{
                printf("%d\n",Query(x,1,h,1));
            }
        }
    }
    return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
from skimage.segmentation import slic, mark_boundaries import torchvision.transforms as transforms import numpy as np from PIL import Image import matplotlib.pyplot as plt import cv2 # 加载图像 image = Image.open('img.png') # 转换为 PyTorch 张量 transform = transforms.ToTensor() img_tensor = transform(image).unsqueeze(0) # 将 PyTorch 张量转换为 Numpy 数组 img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0] # 使用 SLIC 算法生成超像素标记图 segments = slic(img_np, n_segments=100, compactness=10) # 可视化超像素标记图 segment_img = mark_boundaries(img_np, segments) # 将 Numpy 数组转换为 PIL 图像 segment_img = Image.fromarray((segment_img * 255).astype(np.uint8)) # 保存超像素标记图 segment_img.save('segments.jpg') n_segments = np.max(segments) + 1 # 初始化超像素块的区域 segment_regions = np.zeros((n_segments, img_np.shape[0], img_np.shape[1])) # 遍历每个超像素块 for i in range(n_segments): # 获取当前超像素块的掩码 mask = (segments == i) # 将当前超像素块的掩码赋值给超像素块的区域 segment_regions[i][mask] = 1 # 保存超像素块的区域 np.save('segment_regions.npy', segment_regions) # 加载超像素块的区域 segment_regions = np.load('segment_regions.npy') # 取出第一个超像素块的区域 segment_region = segment_regions[0] segment_region = (segment_region * 255).astype(np.uint8) # 显示超像素块的区域 plt.imshow(segment_region, cmap='gray') plt.show(),将上述代码中,# 取出第一个超像素块的区域 segment_region = segment_regions[0]改为取出全部超像素块的区域
06-07

“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