最大矩形

给定一个仅包含 0 和 1 、大小为 rows x cols 的二维二进制矩阵,找出只包含 1 的最大矩形,并返回其面积。

 

示例 1:


输入:matrix = [["1","0","1","0","0"],["1","0","1","1","1"],["1","1","1","1","1"],["1","0","0","1","0"]]
输出:6
解释:最大矩形如上图所示。
示例 2:

输入:matrix = []
输出:0
示例 3:

输入:matrix = [["0"]]
输出:0
示例 4:

输入:matrix = [["1"]]
输出:1
示例 5:

输入:matrix = [["0","0"]]
输出:0

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximal-rectangle
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

class Solution {
public:
    int maximalRectangle(vector<vector<char>>& matrix) {
           int m=matrix.size();
           if(m==0) return 0;
           int n=matrix[0].size();
           vector<vector<int>> high(m,vector<int>(n,0));
           for(int i=0;i<m;i++){
               for(int j=0;j<n;j++){
                 if(matrix[i][j]=='1'){
                     high[i][j]=(i==0?1:high[i-1][j]+1);
                 }
               }
           }
           int ans=0;
           for(int i=0;i<m;i++){
               stack<int> s;
               vector<int> left(n),right(n,n);
               for(int j=0;j<n;j++){
                   while(!s.empty()&&high[i][s.top()]>=high[i][j]){
                       right[s.top()]=j;
                       s.pop();
                   }
                   left[j]=(s.empty()?-1:s.top());
                   s.push(j);
               }
               for(int j=0;j<n;j++){
                  ans=max(ans,(right[j]-left[j]-1)*high[i][j]);
               }
           }
           return ans;
    }
};

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要求一个矩形内刚好包含一组离散的点集,并使该矩形的面积最小,这就是所谓的最小外接矩形。而内接最大矩形则是在最小外接矩形的基础上,再找一个矩形内刚好包含所有的点集,并使该矩形的面积最大。 OpenCV中提供了minAreaRect函数来计算最小外接矩形的信息,而内接最大矩形的计算可以通过以下步骤实现: 1. 首先计算最小外接矩形的信息,包括矩形的中心点坐标、宽度、高度和旋转角度。 2. 将最小外接矩形旋转回原始角度。 3. 在旋转后的坐标系中,对所有点进行坐标变换,使其相对于矩形中心点的坐标系。 4. 遍历所有点,计算它们到矩形边界的距离,并找出距离最小的点,这个点到矩形边界的距离就是内接最大矩形的宽度。 5. 以该点为中心,将所有点沿着矩形边界的法线方向分成两组,一组在矩形内部,一组在矩形外部。 6. 对两组点分别计算最小外接矩形,取面积较小的那个作为内接最大矩形。 具体实现可以参考以下代码: ```python import cv2 import numpy as np # 生成一组随机点 points = np.random.randint(0, 100, size=(50, 2)) # 计算最小外接矩形 rect = cv2.minAreaRect(points) box = cv2.boxPoints(rect) box = np.int0(box) # 将矩形旋转回原始角度 angle = rect[-1] if angle < -45: angle += 90 h, w = rect[1] cx, cy = rect[0] M = cv2.getRotationMatrix2D((cx, cy), angle, 1.0) points = cv2.transform(points.reshape(-1, 1, 2), M).reshape(-1, 2) # 找到内接最大矩形 max_area = 0 for i in range(len(points)): # 计算点到边界的距离 dx = abs(points[i, 0] - cx) dy = abs(points[i, 1] - cy) distance = np.sqrt(dx**2 + dy**2) # 计算矩形大小 width = 2 * distance left_points = [] right_points = [] for j in range(len(points)): if j == i: continue # 计算点到边界的距离 dx = abs(points[j, 0] - points[i, 0]) dy = abs(points[j, 1] - points[i, 1]) distance = np.sqrt(dx**2 + dy**2) # 判断点在矩形内还是在矩形外 if dx * w + dy * h < w * h: left_points.append(points[j]) else: right_points.append(points[j]) # 计算左右两个矩形的面积,并取最小值 if len(left_points) > 0 and len(right_points) > 0: left_rect = cv2.minAreaRect(np.array(left_points)) right_rect = cv2.minAreaRect(np.array(right_points)) area = max(left_rect[1][0] * left_rect[1][1], right_rect[1][0] * right_rect[1][1]) if area > max_area: max_area = area max_rect = (points[i], width, angle) # 绘制最小外接矩形和内接最大矩形 img = np.zeros((100, 100, 3), dtype=np.uint8) cv2.drawContours(img, [box], 0, (0, 0, 255), 2) cv2.rectangle(img, (int(max_rect[0][0] - max_rect[1]/2), int(max_rect[0][1] - max_rect[1]/2)), (int(max_rect[0][0] + max_rect[1]/2), int(max_rect[0][1] + max_rect[1]/2)), (0, 255, 0), 2) cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ```

“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