当我们判断以某个点为正方形右下角时最大的正方形时,那它的上方,左方和左上方三个点也一定是某个正方形的右下角,否则该点为右下角的正方形最大就是它自己了。这是定性的判断,那具体的最大正方形边长呢?我们知道,该点为右下角的正方形的最大边长,最多比它的上方,左方和左上方为右下角的正方形的边长多1,最好的情况是是它的上方,左方和左上方为右下角的正方形的大小都一样的,这样加上该点就可以构成一个更大的正方形。 但如果它的上方,左方和左上方为右下角的正方形的大小不一样,合起来就会缺了某个角落,这时候只能取那三个正方形中最小的正方形的边长加1了。假设dpi表示以i,j为右下角的正方形的最大边长,则有 dp[i][j] = min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1]) + 1
当然,如果这个点在原矩阵中本身就是0的话,那dp[i]肯定就是0了。
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
max_area = 0
for r in range(0, len(matrix)):
for c in range(0, len(matrix[r])):
if matrix[r][c] == '0':
matrix[r][c] = 0
elif r-1<0 or c-1<0:
matrix[r][c] = int(matrix[r][c])
else:
matrix[r][c] = min(matrix[r-1][c-1], matrix[r-1][c], matrix[r][c-1]) +1
max_area = max(matrix[r][c],max_area)
return max_area*max_area