在诊断肿瘤疾病时,计算肿瘤体积是很重要的一环。给定病灶扫描切片中标注出的疑似肿瘤区域,请你计算肿瘤的体积。
输入格式:
输入第一行给出4个正整数:M、N、L、T,其中M和N是每张切片的尺寸(即每张切片是一个M×N的像素矩阵。最大分辨率是1286×128);L(≤60)是切片的张数;T是一个整数阈值(若疑似肿瘤的连通体体积小于T,则该小块忽略不计)。
最后给出L张切片。每张用一个由0和1组成的M×N的矩阵表示,其中1表示疑似肿瘤的像素,0表示正常像素。由于切片厚度可以认为是一个常数,于是我们只要数连通体中1的个数就可以得到体积了。麻烦的是,可能存在多个肿瘤,这时我们只统计那些体积不小于T的。两个像素被认为是“连通的”,如果它们有一个共同的切面,如下图所示,所有6个红色的像素都与蓝色的像素连通。
输出格式:
在一行中输出肿瘤的总体积。
输入样例:
3 4 5 2
1 1 1 1
1 1 1 1
1 1 1 1
0 0 1 1
0 0 1 1
0 0 1 1
1 0 1 1
0 1 0 0
0 0 0 0
1 0 1 1
0 0 0 0
0 0 0 0
0 0 0 1
0 0 0 1
1 0 0 0
输出样例:
26
分析:
题目可以大致理解为,给出一个特殊的点集合,相连的点看成是当前点集合中的小的分布, 给出的点集合可能包含多个小的分布,请计算分布中点数量中大于某一给定值的总点数。
在这里,可以借助广度优先遍历的思想,找出可能存在的分布,并计算每个分布的点的数量,对满足条件的所有分布进行加和,最终得出符合条件的结果。
代码:
#include<bits/stdc++.h>
using namespace std;
int M,N,L,T;
bool s1[62][1288][130];///记录像素点
bool s2[62][1288][130];///记录像素点是否被访问过
struct Node{
int x,y,z;///像素点坐标
};
int single;///记录连续的像素块数
int sum=0;///记录总面积
int direction[6][3]={{-1,0,0},{1,0,0},{0,-1,0},{0,1,0},{0,0,-1},{0,0,1}};///记录六个方位
int main(){
cin>>M>>N>>L>>T;
int t;
///记录切片信息
for(int i=1;i<=L;i++){
for(int j=1;j<=M;j++){
for(int k=1;k<=N;k++){
scanf("%d",&t);
if(t)
s1[i][j][k]=true;
}
}
}
///诊断
struct Node n1,n2;
queue<struct Node>q;
for(int i=1;i<=L;i++){
for(int j=1;j<=M;j++){
for(int k=1;k<=N;k++){
single=0;
if(s1[i][j][k]&&!s2[i][j][k]){
s2[i][j][k]=true;
single++;
n1.z=i;
n1.x=j;
n1.y=k;
q.push(n1);
while(!q.empty()){
n1=q.front();
q.pop();
for(int l=0;l<6;l++){///访问当前点的上下左右前后的点
int nextx=n1.x+direction[l][0];
int nexty=n1.y+direction[l][1];
int nextz=n1.z+direction[l][2];
if(s1[nextz][nextx][nexty]&&!s2[nextz][nextx][nexty]){
n2.z=nextz;
n2.x=nextx;
n2.y=nexty;
q.push(n2);
single++;
s2[nextz][nextx][nexty]=true;
}
}
}
}
if(single>=T)
sum+=single;
}
}
}
cout<<sum;
return 0;
}