夜深人静写算法——图像压缩(动态规划)

本文探讨了图像压缩的策略,通过动态规划方法优化像素点存储,减少空间浪费。算法核心在于将像素值分组,以最小化存储需求。具体实现中,利用dp数组记录前i个数据的最优分组,并考虑每个数据可能成为分组结尾的情况,结合最大值所需位数进行计算。
摘要由CSDN通过智能技术生成

图像压缩:

 一:

     对于图像像素点进行压缩:对于一组像素数组用二进制bit位表示,如果像素值从 0到255,最多用8位二进制表示。如果像素值为5,用8位二进制表示会浪费空间,所以通过压缩的方法进行存储。

     例如: 23,17,28,23,27,29,30,18,28,27,39,48,129 ,139,178,220,23,9,183,133,19,299....

     可以将   23,17,28,23,27,29,30,18,28,27看成一组 ,这一组都用5个bit位就可以存储,同时再另外用8个bit位记录这一组总共有多少个数据(这一组就是00001010),然后再用3个bit位记录这一组数据使用几个bit位存储(这一组就是 101);

算法要求:

     将一组数据进行分组,使得最后占用的空间最少;

二:

    定义数组dp[i] , dp[i]表示前 i 个数据的最佳分组;

    对于第i个数据,假设前i-1个数据的最优解,因为第i个数据一定存在于最后一

树形动态规划(Tree DP)是一种解决树状结构问题的算法思想。它利用了树这种特殊的数据结构的性质进行求解,常用来解决树的最优路径、最大值、最小值等类型的问题。 在夜深人静的时候算法,我通常会采用以下步骤来完成树形dp的实现: 第一步是定义状态。我们首先需要确定问题的状态表示方式。对于树形dp来说,常用的状态表示方式是以节点为单位进行表示。我们可以定义dp[i]表示以节点i为根的子树的某种性质,比如最大路径和、最长路径长度等。 第二步是确定状态转移方程。根据问题的特点,我们需要找到状态之间的关系,从而确定状态转移方程。在树形dp中,转移方程常常与节点的子节点相关联。我们可以通过遍历节点的子节点,利用它们的状态来更新当前节点的状态,从而得到新的状态。 第三步是确定初始条件。在动态规划中,我们需要确定初始状态的值。对于树形dp来说,我们可以选择将叶节点作为初始状态,然后逐步向上更新,最终得到整棵树的最优解。 第四步是确定计算顺序。树形dp的计算通常是从根节点开始,自顶向下逐步计算,直到达到叶节点。因为树形dp的计算过程中需要利用到子节点的状态来更新当前节点的状态,所以必须按照计算顺序进行。 夜深人静时,算法树形dp是相对较复杂的算法,需要仔细思考问题的状态表示方式,转移方程以及初始条件。在实现过程中,可以采用递归的方式进行代码编,或者利用栈等数据结构进行迭代实现。 总的来说,夜深人静算法树形dp需要耐心和细心,经过思考和实践,才能顺利解决树状结构问题。但是,一旦理解并掌握了树形dp的思想和方法,就能够高效地解决各种树形结构问题,提升算法的效率和准确性。
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