给你一个大小为 m x n
的矩阵 mat
和一个整数阈值 threshold
。
请你返回元素总和小于或等于阈值的正方形区域的最大边长;如果没有这样的正方形区域,则返回 0 。
示例 1:
输入:mat = [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[1,1,3,2,4,3,2]], threshold = 4 输出:2 解释:总和小于或等于 4 的正方形的最大边长为 2,如图所示。
示例 2:
输入:mat = [[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2],[2,2,2,2,2]], threshold = 1 输出:0
解法:二维前缀和 + 二分查找
我们首先计算出数组 mat 的前缀和数组 P,随后依次枚举 mat 中的正方形,计算出每个正方形的元素之和。
具体地,当数组 mat 的大小为 m * n 时,正方形的左上角可以是 mat 中的任意位置,边长不会超过 m 和 n 中的较小值 min(m, n),这样我们就可以使用三重循环枚举所有的正方形,时间复杂度为 O(MN∗min(M,N))。
由于我们可以借助数组 P 在 O(1) 的时间计算任意正方形的元素之和,因此该算法的总时间复杂度为 O(MN∗min(M,N))。
由于数组 mat 中的所有元素均为非负整数,因此若存在一个边长为 c 且元素之和不超过阈值的正方形,那一定存在一个边长为 1, 2, ..., c - 1 且元素之和不超过阈值的正方形(在边长为 c 的正方形内任取一个边长为 1, 2, ..., c - 1 的正方形即可)。
这样我们可以使用二分查找的方法,找出最大的边长 c。二分查找的上界为 min(m, n),下界为 1,在二分查找的过程中,若当前查找的边长为 c',我们只需要枚举 mat 中所有边长为 c' 的正方形,并判断其中是否存在一个元素之和不超过阈值的正方形即可。
Java版:
class Solution {
public int maxSideLength(int[][] mat, int threshold) {
int m = mat.length;
int n = mat[0].length;
int[][] presum = new int[m + 1][n + 1];
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
presum[i + 1][j + 1] = presum[i + 1][j] + presum[i][j + 1] - presum[i][j] + mat[i][j];
}
}
int l = 1;
int r = Math.min(m, n);
int ans = 0;
while (l <= r) {
int mid = l + (r - l) / 2;
boolean find = false;
for (int i = 0; i <= m - mid; i++) {
for (int j = 0; j <= n - mid; j++) {
if (getRect(presum, i, j, i + mid - 1, j + mid - 1) <= threshold) {
find = true;
break;
}
}
if (find) {
break;
}
}
if (find) {
l = mid + 1;
} else {
r = mid - 1;
}
}
return r;
}
private int getRect(int[][] presum, int x1, int y1, int x2, int y2) {
return presum[x2 + 1][y2 + 1] - presum[x2 + 1][y1] - presum[x1][y2 + 1] + presum[x1][y1];
}
}
Python3版:
class Solution:
def maxSideLength(self, mat: List[List[int]], threshold: int) -> int:
m = len(mat)
n = len(mat[0])
presum = [[0] * (n + 1) for _ in range(m + 1)]
for i in range(m):
for j in range(n):
presum[i + 1][j + 1] = presum[i + 1][j] + presum[i][j + 1] - presum[i][j] + mat[i][j]
def getRect(x1, y1, x2, y2):
return presum[x2 + 1][y2 + 1] - presum[x1][y2 + 1] - presum[x2 + 1][y1] + presum[x1][y1]
l = 1
r = min(m, n)
while l <= r:
mid = l + (r - l) // 2
find = False
for i in range(m - mid + 1):
for j in range(n - mid + 1):
if getRect(i, j, i + mid - 1, j + mid - 1) <= threshold:
find = True
break
if find:
break
if find:
l = mid + 1
else:
r = mid - 1
return r
复杂度分析
- 时间复杂度:O(MN∗logmin(M,N))。二分查找的次数为 O(logmin(M,N)),在每次二分查找中,需要枚举所有边长为 mid 的矩形,数量为 O(MN),因此总时间复杂度为 O(MN∗logmin(M,N))。
- 空间复杂度:O(MN)。