LeetCode-1277统计全为 1 的正方形子矩阵

LeetCode-1277统计全为 1 的正方形子矩阵

题目：给你一个 m * n 的矩阵，矩阵中的元素不是 0 就是 1，请你统计并返回其中完全由 1 组成的 正方形 子矩阵的个数。

这是一个动态规划问题，有一些值得注意的地方。动态规划的思想就是将当前问题，拆成子问题，并且由子问题的值组合得到当前问题的值。这样我们就可以通过遍历小问题，得到我们想要的大问题的值。通常小问题的值，是很容易求得的。

一般来说，我们经常会保存最优值来组合得到更大问题的值。在这个问题中，最优值对求解更大问题的值却没有帮助，因此我们需要转换思路，观察具体矩阵可以得到一个递推关系。

例如：
$$\begin{gathered} 输入矩阵\left[\begin{array}{c}0,1,1\\ 1,1,1\\ 1,1,1\end{array}\right] \\ 最优值矩阵\left[\begin{array}{c}0,1,1\\ 1,3,6\\ 1,6,11\end{array}\right] \end{gathered}$$
假设输入矩阵是$A$，我们希望能找到一个$S[i][j]$与小问题最优值之间的关系
$$\left[\begin{array}{c}\ast \ast \ast \\ \ast \ast \ast \\ \ast \ast 0\end{array}\right]\left[\begin{array}{c}\ast \ast \ast \\ \ast \ast \ast \\ \ast \ast 1\end{array}\right]$$
假设$A[i][j]=0$,则容易得知：$S[i][j]=S[i][j-1]+S[i-1][j]-S[i-1]S[j-1]$

可是当$A[i][j]=1$时，如何找到$S[i][j]$与子问题之间的关系。

相比于包含$A[i][j]=0$，这里多了包含$A[i][j]$的正方形数，可得到$S[i][j]=S[i][j-1]+S[i-1][j]-S[i-1]S[j-1]+Count(contain(A[i][j]))$。如何计算包含$A[i][j]$的正方形数？如果暴力搜索，那么将会产生$O(min(i,j{)}^2)$的复杂度。从最优值中能否找到关系。笔者试了挺久。并没有找到合适的关系。

但是我们找到了问题的关键所在，计算包含$A[i][j]$的正方形数。假设我们已知子问题的包含$A[m][n],m<i,n<j$的正方形数$B[m][n]$（同时也是最大正方形边长）。那么问题就好解决了。

如图所示：
$$\begin{gathered} B[m,n]=\left[\begin{array}{c}\ast ,\ast ,\ast \\ \ast ,1,2\\ \ast ,2,?\end{array}\right] \\ 可以由此写出部分矩阵\left[\begin{array}{c}\ast ,1,1\\ 1,1,1\\ 1,1,1\end{array}\right] \\ 可知B[i,j]=2 \end{gathered}$$

如下面两张图所示：包含$A[i][j]$的正方形数（最大正方形边长）实际上为$\min (B[i-1,j],B[i,j-1],B[i-1,j-1])+1$。

则得到递推方程：
$$\begin{gathered} B[i,j]=\{\begin{array}{ll}0& \text{A[i,j]=0}\\ \min (B[i-1,j],B[i,j-1],B[i-1,j-1])+1& \text{A[i,j]=1}\end{array} \\ 则所有正方形数目为： \\ \sum _{i\in B}B[i,j] \end{gathered}$$
代码实现如下：

int countSquares(vector<vector<int>>& matrix) {
    if(matrix.size()==0) return 0; 
    int m = matrix.size();
    int n = matrix[0].size();
    int sum = 0;
    for(int i = 0;i < m;++i) sum+=matrix[i][0];
    for(int j = 0;j < n;++j) sum+=matrix[0][j];
    sum-=matrix[0][0];
    for(int i = 1;i <m;++i){
        for(int j = 1;j < n;++j){
            if(matrix[i][j]==1){
                matrix[i][j] = min(matrix[i-1][j],matrix[i][j-1]);
                matrix[i][j] = min(matrix[i-1][j-1],matrix[i][j]);
                ++matrix[i][j];
                sum+=matrix[i][j];
            }
        }
    }
    return sum;
}

小结

对于动态规划问题，有时不一定需要找到最优值原问题与子问题的关系。采取另外的方式去寻找递推关系，或许会更好。