Maximal Square 最大正方形

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。

示例:

输入: 

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

输出: 4

思路：采用动态规划来做，我们维护一个二维数组dp，其中dp[i][j]表示到矩阵的[i,j]的元素为止，能构成的最长的正方形的边长是多少，递推公式如下：

dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;    if i!=0 && j!=0 && matrix[i][j]==1
dp[i][j]=0;                                                               if matrix[i][j]==0
dp[i][j]=matrix[i][j]-'0';                                                if i==0 || j==0

为什么递推式是这个，相当于取左边，上边，左上边的交集，即最小值，然后加上1即是到[i,j]这个节点的正方形的边长。

参考代码：

    int maximalSquare(vector<vector<char>>& matrix) {
	if (matrix.size() == 0 || matrix[0].size() == 0) {
		return 0;
	}
	int res = 0;
	int m = matrix.size();
	int n = matrix[0].size();
	int **dp = new int *[m];
	for (int i = 0; i < m; i++) {
		dp[i] = new int[n];
	}
	for (int i = 0; i < m; i++) {
		for (int j = 0; j < n; j++) {
			if (i == 0 || j == 0) {
				dp[i][j] = (matrix[i][j] - '0');
			}
			else if(matrix[i][j]=='1'){
				dp[i][j] = min(min(dp[i - 1][j], dp[i][j - 1]), dp[i - 1][j - 1]) + 1;
			}
            else{
                dp[i][j]=0;
            }
			res = max(res, dp[i][j]);
		}
	}
	for (int i = 0; i < m; i++) {
		delete[] dp[i];
	}
	delete[] dp;
	return res*res;        
    }

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。

示例:

输入: 

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

输出: 4