题目
有一幅以二维整数数组表示的图画,每一个整数表示该图画的像素值大小,数值在 0 到 65535 之间。
给你一个坐标 (sr, sc) 表示图像渲染开始的像素值(行 ,列)和一个新的颜色值 newColor,让你重新上色这幅图像。
为了完成上色工作,从初始坐标开始,记录初始坐标的上下左右四个方向上像素值与初始坐标相同的相连像素点,接着再记录这四个方向上符合条件的像素点与他们对应四个方向上像素值与初始坐标相同的相连像素点,……,重复该过程。将所有有记录的像素点的颜色值改为新的颜色值。
最后返回经过上色渲染后的图像。
示例 1:
输入:
image = [[1,1,1],[1,1,0],[1,0,1]]
sr = 1, sc = 1, newColor = 2
输出: [[2,2,2],[2,2,0],[2,0,1]]
解析:
在图像的正中间,(坐标(sr,sc)=(1,1)),
在路径上所有符合条件的像素点的颜色都被更改成2。
注意,右下角的像素没有更改为2,
因为它不是在上下左右四个方向上与初始点相连的像素点。
注意:
image 和 image[0] 的长度在范围 [1, 50] 内。
给出的初始点将满足 0 <= sr < image.length 和 0 <= sc < image[0].length。
image[i][j] 和 newColor 表示的颜色值在范围 [0, 65535]内。
思路
关键字:上下左右 遍历
这种问题就自然而然就会想到深度优先搜索和广度优先搜索。深度优先搜索使用迭代,广度优先搜索则借助循环和队列。
BFS、DFS学习视频(视频中含python代码):https://www.bilibili.com/video/BV1Ks411579J/?spm_id_from=333.788.videocard.1
https://www.bilibili.com/video/BV1Ks411575U/?spm_id_from=333.788.videocard.0
代码
深度优先搜索代码
这段代码在跟深度优先搜索相关的问题中被频繁使用,按照深度优先的原则,遍历上下左右四个方向,直到达到某种条件停止,在if中根据题目要求进行修改,主要是来限制是否超出边界以及达成停止条件,在这道题目中就是是否为旧颜色值。
def dfs(sr,sc):
if(sr<0 or sc<0 or sr>=row or sc>=col or image[sr][sc]!=oldcolor):
return
image[sr][sc] = newColor
dfs(sr-1,sc)
dfs(sr+1,sc)
dfs(sr,sc-1)
dfs(sr,sc+1)
深度优先搜索整体代码
有一个需要关注的问题就是,如果给定的Newcolor和初始颜色相同,那么DFS就会陷入到死循环中,所以如果Newcolor与Oldcolor相同,则直接返回原图。
class Solution:
def floodFill(self, image: List[List[int]], sr: int, sc: int, newColor: int) -> List[List[int]]:
row = len(image)
col = len(image[0])
oldcolor = image[sr][sc]
if newColor==oldcolor:
return image
def dfs(sr,sc):
if(sr<0 or sc<0 or sr>=row or sc>=col or image[sr][sc]!=oldcolor):
return
image[sr][sc] = newColor
dfs(sr-1,sc)
dfs(sr+1,sc)
dfs(sr,sc-1)
dfs(sr,sc+1)
dfs(sr,sc)
return image
广度优先搜索代码
class Solution:
def floodFill(self, image: List[List[int]], sr: int, sc: int, newColor: int) -> List[List[int]]:
row = len(image)
col = len(image[0])
oldcolor = image[sr][sc]
if oldcolor == newColor:
return image
que = collections.deque([(sr, sc)]) #广度优先搜索需要队列
image[sr][sc] = newColor
while que:
x, y = que.popleft()
for mx, my in [(x - 1, y), (x + 1, y), (x, y - 1), (x, y + 1)]:
if 0 <= mx < row and 0 <= my < col and image[mx][my] == oldcolor:
que.append((mx, my))
image[mx][my] = newColor
return image