包含整数的二维矩阵 M 表示一个图片的灰度。你需要设计一个平滑器来让每一个单元的灰度成为平均灰度 (向下舍入) ,平均灰度的计算是周围的8个单元和它本身的值求平均,如果周围的单元格不足八个,则尽可能多的利用它们。
-
示例 1:
-
输入:
[[1,1,1],
[1,0,1],
[1,1,1]] -
输出:
[[0, 0, 0],
[0, 0, 0],
[0, 0, 0]] -
解释:
对于点 (0,0), (0,2), (2,0), (2,2): 平均(3/4) = 平均(0.75) = 0
对于点 (0,1), (1,0), (1,2), (2,1): 平均(5/6) = 平均(0.83333333) = 0
对于点 (1,1): 平均(8/9) = 平均(0.88888889) = 0 -
注意:
1.给定矩阵中的整数范围为 [0, 255]。
2.矩阵的长和宽的范围均为 [1, 150]。
class Solution:
def imageSmoother(self, M: List[List[int]]) -> List[List[int]]:
#自己的错误思想,太过于复杂,只能计算row=column的情况(应该还能改进为row不等于column的情况),但是实验了一个四维数组,结果是错的。。。也没有继续检查,就看了评论区,发现大佬说的,这是深度学习padding和卷积,咱也不懂,不过代码研究清楚了,确实是个好方法。
# n = len(M)
# sum = 0
# for row in range(n):
# for column in range(n):
# if row >= 1 and column >= 1 and row < n - 1 and column < n -1:
# sum = M[row][column] + M[row][column - 1] + M[row][column + 1] + M[row - 1][column] + M[row - 1][column - 1] + M[row - 1][column + 1] + M[row + 1][column] + M[row + 1][column - 1] + M[row + 1][column + 1]
# M[row][column] = sum // 9
# sum = 0
# elif row == column == 0:
# sum = M[0][0] + M[0][1] + M[1][