【JAVA】PAT 乙级 1066 图像过滤(测试点3超时)


题目链接
图像过滤是把图像中不重要的像素都染成背景色,使得重要部分被凸显出来。现给定一幅黑白图像,要求你将灰度值位于某指定区间内的所有像素颜色都用一种指定的颜色替换。

输入格式:
输入在第一行给出一幅图像的分辨率,即两个正整数 M 和 N(0<M,N≤500),另外是待过滤的灰度值区间端点 A 和 B(0≤A<B≤255)、以及指定的替换灰度值。随后 M 行,每行给出 N 个像素点的灰度值,其间以空格分隔。所有灰度值都在 [0, 255] 区间内。

输出格式:
输出按要求过滤后的图像。即输出 M 行,每行 N 个像素灰度值,每个灰度值占 3 位(例如黑色要显示为 000),其间以一个空格分隔。行首尾不得有多余空格。

输入样例:

3 5 100 150 0
3 189 254 101 119
150 233 151 99 100
88 123 149 0 255

输出样例:

003 189 254 000 000
000 233 151 099 000
088 000 000 000 255

没什么难度,按照题目要求替换输出就好了,输出的时候可以不用存入数组,判断完后直接输出。

JAVA日常又双叒叕超时。。。简化了一些,真的不能再简化了…测试样例到底是卡得有多严。。。

完整代码(测试点3超时)

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;
import java.io.StreamTokenizer;

public class Main {
	public static void main(String[] args) throws Exception {
		BufferedReader bf = new BufferedReader(new InputStreamReader(System.in));
		PrintWriter out = new PrintWriter(new OutputStreamWriter(System.out));
		StreamTokenizer in = new StreamTokenizer(bf);
		in.nextToken();
		int M = (int) in.nval;
		in.nextToken();
		int N = (int) in.nval;
		in.nextToken();
		int A = (int) in.nval;
		in.nextToken();
		int B = (int) in.nval;
		in.nextToken();
		int G = (int) in.nval;
		for (int i = 0; i < M; i++) {
			for (int j = 0; j < N - 1; j++) {
				in.nextToken();
				int tem = (int) in.nval;
				if (tem >= A && tem <= B) {
					out.printf("%03d ", G);
				} else {
					out.printf("%03d ", tem);
				}
			}
			in.nextToken();
			int tem = (int) in.nval;
			if (tem >= A && tem <= B) {
				out.printf("%03d\n", G);
			} else {
				out.printf("%03d\n", tem);
			}
		}
		out.flush();
	}
}
[图像过滤]的“先进”技术来,于是今天下午花了些许时间,也“先进”了一吧,做了个Java版的图像过滤实现。当然,出于Java性能的考虑,笔者这里没有做图像拦截,而是使用了图像遮挡的手段来达到拦截的目的。顺便也告诉网友,究竟图像的什么部位,可能会在[绿坝]中[犯禁](我用的[史莱姆]覆盖……)。 PS:在正式开篇之前,为了体现本文所应用技术的先进性,我也学习号称全国领先的绿坝重重的加上一笔 [本代码可以过滤图片中的不良信息,但不保证不良信息能完全被过滤,也不保证被过滤的信息完全是不良信息 ] 实际上,根据网络上流传的[金惠谈判响应书]中所涉及到的资料,我们都知道绿坝对于人物图像采取了很简单——不,应该说是外行看上去很复杂的肤色验证手段,也就是提取出可归纳为人肉色的图像区域转化为黑白图(明白为什么验证不了黑人了吗?),再通过黑白图运算肉色范围最终判定是否过滤图形的古老——被先进性使用的古老技术。 笔者将其具体实现过程简化如下(具体请下载参看笔者提供的源码): view plaincopy to clipboardprint? /** * 以指定图片掩盖目标图片中大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像中白色部分(即处理获得的肌肤反色图中的白色区域,5为有效范围匹配范围) BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } /** * 以指定图片掩盖目标图片中大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像中白色部分(即处理获得的肌肤反色图中的白色区域,5为有效范围匹配范围) BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } 事实上,通过肤色检测只不过是最初直方图(取人体结构判定人类图像)的一个简化,固有的问题还是没有解决,比如很多风景图片也有大块的类肤色区域,况且还有肤色高光部分导致的漏判,还有大块人脸等。通过一个人脸检测器来过滤大块的人脸区域于是成了标配。引入更多的图像特征,比如纹理等,也可以过滤掉一些误判的风景图像。 具体的请下源码吧,这个东西虽然不难,但是用笔写的话与以前写[AI]时一样,同属论文素材之一…… 比如以下运行截图,就如[绿坝]一样,将[主席]给[色情]掉了(天地良心啊,我最初设置的肉色范围真的不会误判[主席],为了配合网上的[绿坝]实验结果才后改的取值范围……):
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值