打怪升级传送门
202104-2 邻域均值
试题编号: | 202104-2 |
---|---|
试题名称: | 邻域均值 |
时间限制: | 1.0s |
内存限制: | 512.0MB |
题目内容:
试题背景
顿顿在学习了数字图像处理后,想要对手上的一副灰度图像进行降噪处理。不过该图像仅在较暗区域有很多噪点,如果贸然对全图进行降噪,会在抹去噪点的同时也模糊了原有图像。因此顿顿打算先使用邻域均值来判断一个像素是否处于较暗区域,然后仅对处于较暗区域的像素进行降噪处理。
问题描述
待处理的灰度图像长宽皆为 n 个像素,可以表示为一个 n×n 大小的矩阵 A,其中每个元素是一个 [0,L) 范围内的整数,表示对应位置像素的灰度值。
对于矩阵中任意一个元素 Aij(0≤i,j<n),其邻域定义为附近若干元素的集和:
Neighbor(i,j,r)={Axy|0≤x,y<n and |x−i|≤r and |y−j|≤r}
人话就是
这里使用了一个额外的参数 r 来指明 Aij 附近元素的具体范围。根据定义,易知 Neighbor(i,j,r) 最多有 (2r+1)2 个元素。
如果元素 Aij 邻域中所有元素的平均值小于或等于一个给定的阈值 t,我们就认为该元素对应位置的像素处于较暗区域。
下图给出了两个例子,左侧图像的较暗区域在右侧图像中展示为黑色,其余区域展示为白色。
现给定邻域参数 r 和阈值 t,试统计输入灰度图像中有多少像素处于较暗区域。
输入格式
输入共 n+1 行。
输入的第一行包含四个用空格分隔的正整数 n、L、r 和 t,含义如前文所述。
第二到第 n+1 行输入矩阵 A。
第 i+2(0≤i<n)行包含用空格分隔的 n 个整数,依次为 Ai0,Ai1,⋯,Ai(n−1)。
输出格式
输出一个整数,表示输入灰度图像中处于较暗区域的像素总数。
样例输入
4 16 1 6
0 1 2 3
4 5 6 7
8 9 10 11
12 13 14 15
样例输出
7
样例输入
11 8 2 2
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 7 0 0 0 7 0 0 7 7 0
7 0 7 0 7 0 7 0 7 0 7
7 0 0 0 7 0 0 0 7 0 7
7 0 0 0 0 7 0 0 7 7 0
7 0 0 0 0 0 7 0 7 0 0
7 0 7 0 7 0 7 0 7 0 0
0 7 0 0 0 7 0 0 7 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
样例输出
83
评测用例规模与约定
70% 的测试数据满足 n≤100、r≤10。
全部的测试数据满足 0<n≤600、0<r≤100 且 2≤t<L≤256。
解题思路:二维前缀和
手写图解:
公式解读:
∣
x
−
i
∣
≤
r
|x-i|\ \le \ r
∣x−i∣ ≤ r
i
−
r
≤
x
≤
i
+
r
i-r\ \le \ x\ \le \ i+r
i−r ≤ x ≤ i+r
1
≤
x
≤
n
1\ \le \ x\ \le \ n
1 ≤ x ≤ n
x
1
∈
max
(
1
,
i
−
r
)
x1\ \in \ \max \left( 1,i-r \right)
x1 ∈ max(1,i−r)
x
2
∈
min
(
n
,
i
+
r
)
x2\ \in \ \min \left( n,i+r \right)
x2 ∈ min(n,i+r)
二维前缀和(运用了容斥定理)图解:
S
(
x
2
,
y
2
)
=
S
(
x
2
,
y
1
)
+
S
(
x
1
,
y
2
)
−
S
(
x
1
,
y
1
)
+
A
(
x
2
,
y
2
)
S\left( x_2,y_2 \right) =S\left( x_2,y_1 \right) +S\left( x_1,y_2 \right) -S\left( x_1,y_1 \right) +A\left( x_2,y_2 \right)
S(x2,y2)=S(x2,y1)+S(x1,y2)−S(x1,y1)+A(x2,y2)
A
(
x
2
,
y
2
)
=
S
(
x
2
,
y
2
)
−
S
(
x
2
,
y
1
)
−
S
(
x
1
,
y
2
)
+
S
(
x
1
,
y
1
)
A\left( x_2,y_2 \right) =S\left( x_2,y_2 \right) -S\left( x_2,y_1 \right) -S\left( x_1,y_2 \right) +S\left( x_1,y_1 \right)
A(x2,y2)=S(x2,y2)−S(x2,y1)−S(x1,y2)+S(x1,y1)
【补充】
设b[]为前缀和数组,a[]为原数组,根据这句话可以得到前缀和的定义式和递推式:
定义式 | 递推式 | |
---|---|---|
一维前缀和 | ||
二维前缀和 |
【差分】
差分是一个数组相邻两元素的差,一般为下标靠后的减去靠前的一个。设差分数组p[],即:
【联系】
前缀和
和 差分
是一对互逆
过程。
AC代码:
import java.util.Scanner;
public class Main {
static int[][] sum = new int[605][605], data = new int[605][605];
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt(), l = sc.nextInt(), r = sc.nextInt(), t = sc.nextInt();
for(int i = 1; i <= n; i++)
for(int j = 1; j <= n; j++)
data[i][j] = sc.nextInt();
// 前缀和
for(int i = 1; i <= n; i++)
for(int j = 1; j <= n; j++)
sum[i][j] = sum[i-1][j] + sum[i][j-1] - sum[i-1][j-1] + data[i][j];
int res = 0;
for(int i = 1; i <= n; i++)
for(int j = 1; j <= n; j++) {
int x1, x2, y1, y2;
x1 = Math.max(1, i-r);
x2 = Math.min(n, i+r);
y1 = Math.max(1, j-r);
y2 = Math.min(n, j+r);
// 通过前缀和拿到区域面积
int tarSum = sum[x2][y2] - sum[x1-1][y2] - sum[x2][y1-1] + sum[x1-1][y1-1];
if(tarSum <= t*(x2-x1+1)*(y2-y1+1)) res++;
}
System.out.println(res);
}
}