一刷181-力扣热题-221最大正方形（m）

题目：
在一个由 '0' 和 '1' 组成的二维矩阵内，找到只包含 '1' 的最大正方形，并返回其面积。

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：4

输入：matrix = [["0","1"],["1","0"]]
输出：1

输入：matrix = [["0"]]
输出：0

提示：
m == matrix.length
n == matrix[i].length
1 <= m, n <= 300
matrix[i][j] 为 '0' 或 '1'

思考：
理解 min(上, 左, 左上) + 1
如题，在其他动态规划方法的题解中，大都会涉及到下列形式的代码：
// 伪代码
if (matrix(i - 1, j - 1) == '1') {
    dp(i, j) = min(dp(i - 1, j), dp(i, j - 1), dp(i - 1, j - 1)) + 1;
}
其中，dp(i, j) 是以 matrix(i - 1, j - 1) 为 右下角 的正方形的最大边长
若某格子值为 1，则以此为右下角的正方形的、
最大边长为：上面的正方形、左面的正方形或左上的正方形中，最小的那个，再加上此格。

先来阐述简单共识
若形成正方形（非单 1），以当前为右下角的视角看，则需要：当前格、上、左、左上都是 1
可以换个角度：当前格、上、左、左上都不能受 0 的限制，才能成为正方形

上面详解了 三者取最小 的含义：
图 1：受限于左上的 0
图 2：受限于上边的 0
图 3：受限于左边的 0
数字表示：以此为正方形右下角的最大边长
黄色表示：格子 ? 作为右下角的正方形区域
就像 木桶的短板理论 那样——附近的最小边长，才与 ? 的最长边长有关。
此时已可得到递推公式
// 伪代码
if (grid[i - 1][j - 1] == '1') {
    dp[i][j] = min(dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]) + 1;
}

从感性理解，到代码实现
从上述图解中，我们似乎得到的只是「动态规划 推进 的过程」，即「如何从前面的 dp 推出后面的 dp」，
甚至还只是感性理解
距离代码我们还缺：dp 具体定义如何，数组多大，初值如何，如何与题目要求的面积相关
dp 具体定义：dp[i + 1][j + 1] 表示 「以第 i 行、第 j 列为右下角的正方形的最大边长」
为何不是 dp[i][j]
回到图解中，任何一个正方形，我们都「依赖」当前格 左、上、左上三个方格的情况
但第一行的上层已经没有格子，第一列左边已经没有格子，需要做特殊 if 判断来处理
为了代码简洁，我们 假设补充 了多一行全 '0'、多一列全 '0'

此时 dp 数组的大小也明确为 new dp[height + 1][width + 1]
初始值就是将第一列 dp[row][0] 、第一行 dp[0][col] 都赋为 0，
相当于已经计算了所有的第一行、第一列的 dp 值
题目要求面积。根据 「面积 = 边长 x 边长」可知，我们只需求出 最大边长 即可
定义 maxSide 表示最长边长，每次得出一个 dp，就 maxSide = max(maxSide, dp);
最终返回 return maxSide * maxSide;
时间复杂度 O(height * width)
空间复杂度 O(width * height)

class Solution {
    public int maximalSquare(char[][] matrix) {
        if (matrix == null || matrix.length == 0 || matrix[0].length == 0) return 0;
        int height = matrix.length;//行
        int width = matrix[0].length;//列
        int maxSide = 0;//结果集 最大正方形的边长
        int[][] dp = new int[height + 1][width + 1];//相当于已经预处理新增第一行第一列为0
        for (int row = 0; row < height; row++) {
            for (int col = 0; col < width; col++) {
                if (matrix[row][col] == '1') {//!
                    dp[row + 1][col + 1] = Math.min(Math.min(dp[row + 1][col], dp[row][col + 1]), dp[row][col]) + 1;
                    maxSide = Math.max(maxSide, dp[row + 1][col + 1]);
                }
            }
        }
        return maxSide * maxSide;
    }
}

LC