用计算机算法拼拼图,拼图算法,将零碎小图,整理到一张大图之上,自动合并。二叉树实现...

需求描述

在开发需求中,有种场景:工程中图片太多,很多png图片,导致程序包很大。尤其是出现在移动平台iOS,Android和游戏平台。这是因为png的头占用资源比较大,如果将所有png图片拼接到一起,就省了png的头部信息;那么程序包应该会少不小!

想法很好!如果程序中有四五百个png图片,手动合成到大图上恐怕不是小工作量。何况每天的资源图片都有可能更新,更新一个就要重新拼图。这个工作量肯定不是人能搞定的了。可不可让计算机帮助我们来拼图。拼图完成后,计算机告诉我们每个图片的坐标,程序运行时候我们根据坐标去拿图片就行了。

文章最后可下载demo

想想,手动拼图的第一步。

首先设定一个很大的空白图片,假如是(1000,1000)这样就够装很多图片。考虑到最大限度利用该空白图片。事先将所有图片的大小排序。最大在最前面。

将最大的图片放到空白图片左上角,如下图所示:那么可以将剩余的区域分为两部分:left和right部分,用于放后继图片。

设计数据模型——二叉树

从刚刚的图片中,很容易想到二叉树的数据结构,如下图所示

4f6671dde48f59379245393eda1944fc.png

看懂这个图片,主要通过三个● 和三块区域

采用二叉树数据结构

按照上图的思路,采用二叉树数据结构。怎么将图片一个个插入到二叉树中呢?有一下几种方法:

● 前序遍历

● 后序遍历

● 中序遍历

● 层序遍历

实现初始化一个数组,存储已经排序好了的图片资源

NSMutableArray* tmp = [NSMutableArray array];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(120, 100) name:@"1.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(120, 100) name:@"2.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(100, 100) name:@"3.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(80, 21) name:@"4.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(70, 40) name:@"5.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(65, 30) name:@"6.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(50, 21) name:@"7.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(50, 21) name:@"8.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(50, 21) name:@"9.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(50, 21) name:@"10.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(40, 40) name:@"11.png"]];

[tmp addObject:[[picNode alloc]initWithSize:CGSizeMake(35, 30) name:@"12.png"]];

看一下效果GIF图片,然后再说一下insertPicture的代码。

3802f57b037221587be543227d3fc9b3.gif

看看insertPicture的逻辑:

-(bool) insertPicture:(BTreeNode*)node{

//如果图片大小,可以放下这个rect。那么就设置一下这个rect的大小为图片大小,剩余面积分为left和right

if (!node.isFull

&& node.virtualPic.size.width >= _currentPic.size.width

&& node.virtualPic.size.height >= _currentPic.size.height) {

node.isFull = TRUE;

/*

拆分剩余rect为left和right两个分支。

●---------●-----------------

| picture | right |

| | |

●---------------------------

| |

| left |

| |

| |

| |

----------------------------

例如.picture已经占据了【左上角】区域。剩下的区域分为left和right。点(●)的地方就是CGPoint了。

● 优化点:如果picture是矩形,那么在生成left和right的时候。可以有两个选择:向下延伸,向右延伸。

通常是向值小的一方延伸,这样保证值大的一方可以放进去更多的图片。

● 上面的例子是向右延伸。

*/

node.left = [[BTreeNode alloc]init];

node.left.point = CGPointMake(node.point.x, node.point.y + _currentPic.size.height);

node.left.virtualPic = [[picNode alloc]init];

node.right = [[BTreeNode alloc]init];

node.right.point = CGPointMake(node.point.x+ _currentPic.size.width, node.point.y);

node.right.virtualPic = [[picNode alloc]init];

//优化一下

if (_currentPic.size.width >= _currentPic.size.height)

{

//left的宽度是parent的宽度。高度是parent高度 - 图片的高度

node.left.virtualPic.size = CGSizeMake(node.virtualPic.size.width, node.virtualPic.size.height - _currentPic.size.height);

//right的宽度是,parent的宽度-图片的宽度。高度是图片的高度。

node.right.virtualPic.size = CGSizeMake(node.virtualPic.size.width- _currentPic.size.width, _currentPic.size.height);

}else{

//left的宽度是图片的宽度。高度是parent高度 - 图片的高度(不变)

node.left.virtualPic.size = CGSizeMake(_currentPic.size.width, node.virtualPic.size.height - _currentPic.size.height);

//right的宽度是,parent的宽度-图片的宽度。高度parent的高度。

node.right.virtualPic.size = CGSizeMake(node.virtualPic.size.width- _currentPic.size.width, node.virtualPic.size.height);

}

//将虚拟的pic复制

node.virtualPic = [_currentPic copy];

return YES;

}

return NO;

}

总结:

后序遍历的图片利用率最高,这样的结果也符合人类的思维,假如我们手动排班。那么应该也是最大在上角,此大的往后排。后侧排满后再从左侧开始,即蛇型曲线。

demo下载地方点击打开链接

原文:http://blog.csdn.net/hherima/article/details/38560929

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 二叉树的基本操作包括插入节点、删除节点、查找节点、遍历节点等。 1. 插入节点 二叉树的插入操作可以分为两种情况: - 当树为空时,插入的节点作为根节点; - 当树不为空时,从根节点开始按照比较大小的规则找到插入位置,插入新节点。 具体实现如下: ```python class Node: def __init__(self, value): self.value = value self.left = None self.right = None class BinaryTree: def __init__(self): self.root = None def insert(self, value): if self.root is None: self.root = Node(value) else: self._insert(value, self.root) def _insert(self, value, node): if value < node.value: if node.left is None: node.left = Node(value) else: self._insert(value, node.left) else: if node.right is None: node.right = Node(value) else: self._insert(value, node.right) ``` 2. 删除节点 删除节点时需要考虑以下几种情况: - 要删除的节点是叶子节点; - 要删除的节点只有一个子节点; - 要删除的节点有两个子节点。 具体实现如下: ```python class BinaryTree: # ...省略代码... def delete(self, value): if self.root is None: return False else: if self.root.value == value: if self.root.left is None and self.root.right is None: self.root = None elif self.root.left is None: self.root = self.root.right elif self.root.right is None: self.root = self.root.left else: temp = self._get_max(self.root.left) self.root.value = temp.value self._delete(temp.value, self.root.left) else: self._delete(value, self.root) def _delete(self, value, node): if node is None: return False if value == node.value: if node.left is None and node.right is None: return None elif node.left is None: return node.right elif node.right is None: return node.left else: temp = self._get_max(node.left) node.value = temp.value node.left = self._delete(temp.value, node.left) elif value < node.value: node.left = self._delete(value, node.left) else: node.right = self._delete(value, node.right) def _get_max(self, node): if node.right is None: return node else: return self._get_max(node.right) ``` 3. 查找节点 查找节点的实现比较简单,从根节点开始按照比较大小的规则找到目标节点即可。 ```python class BinaryTree: # ...省略代码... def search(self, value): return self._search(value, self.root) def _search(self, value, node): if node is None: return False elif node.value == value: return True elif value < node.value: return self._search(value, node.left) else: return self._search(value, node.right) ``` 4. 遍历节点 二叉树的遍历分为三种方式:前序遍历、中序遍历和后序遍历。具体实现如下: ```python class BinaryTree: # ...省略代码... def pre_order(self): if self.root is not None: self._pre_order(self.root) def _pre_order(self, node): if node is not None: print(node.value) self._pre_order(node.left) self._pre_order(node.right) def in_order(self): if self.root is not None: self._in_order(self.root) def _in_order(self, node): if node is not None: self._in_order(node.left) print(node.value) self._in_order(node.right) def post_order(self): if self.root is not None: self._post_order(self.root) def _post_order(self, node): if node is not None: self._post_order(node.left) self._post_order(node.right) print(node.value) ``` 以上就是二叉树的基本操作算法实现。 ### 回答2: 二叉树是一种重要的数据结构,在计算机科学和算法中有广泛的应用。基本操作指的是对二叉树进行插入、删除、查找、遍历等操作的算法实现。 1. 二叉树的插入操作:插入一个节点可以分为两种情况。首先判断二叉树是否为空,如果为空,则直接将节点作为根节点插入。如果不为空,则比较要插入节点的值与当前节点的值的大小关系,如果小于当前节点的值,则将节点插入当前节点的左子树,反之则插入右子树。递归操作直到找到合适的插入位置。 2. 二叉树的删除操作:删除一个节点可以分为三种情况。首先判断要删除的节点是否存在于当前二叉树中,如果不存在则直接返回。如果存在,则根据节点的子节点情况进行删除操作。如果要删除的节点没有子节点,则直接删除即可。如果要删除的节点只有一个子节点,则将子节点替换为要删除的节点。如果要删除的节点有两个子节点,则需要找到该节点右子树中的最小值节点来替换要删除的节点。 3. 二叉树的查找操作:查找操作可分为两种,分别是按节点值的查找和按节点位置的查找。按节点值的查找可以使用递归的方式,先判断当前节点是否为空或者节点的值等于要查找的值,如果是则返回该节点,否则按照节点值的大小关系在左右子树中递归查找。按节点位置的查找可以使用前序遍历、中序遍历或后序遍历等方法进行。 4. 二叉树的遍历操作:遍历操作可以分为前序遍历、中序遍历和后序遍历三种。前序遍历先访问根节点,然后递归遍历左子树和右子树。中序遍历先递归遍历左子树,然后访问根节点,最后递归遍历右子树。后序遍历先递归遍历左子树和右子树,最后访问根节点。 以上是二叉树的基本操作算法实现的简要介绍,这些操作可以帮助我们在二叉树中查找、插入、删除等操作。 ### 回答3: 二叉树是一种树结构,每个节点最多有两个子节点,分为左子树和右子树。二叉树的基本操作包括创建二叉树、插入节点、删除节点、查找节点以及遍历二叉树。 创建一个二叉树算法实现可以通过递归的方式来完成。首先创建一个空的根节点,然后递归地创建左子树和右子树。创建过程中可以通过用户输入来确定每个节点的值。 插入节点的算法实现主要通过比较节点的值大小,找到要插入节点的位置。如果要插入的节点大于当前节点,则插入到右子树中;如果要插入的节点小于当前节点,则插入到左子树中。如果子树为空,则直接插入新节点,否则继续递归查找插入位置。 删除节点的算法实现需要考虑多种情况。首先找到要删除的节点,如果节点没有子节点,直接删除;如果节点只有一个子节点,将子节点连接到当前节点的父节点上;如果节点有两个子节点,可以选择将左子树的最大节点或右子树的最小节点替换要删除的节点,然后再删除被替换节点。 查找节点的算法实现可以采用递归或者迭代的方式。递归方法通过比较节点的值大小来决定向左子树还是右子树查找。迭代方法可以利用栈或队列来实现,遍历每个节点并比较节点的值,直到找到目标节点。 遍历二叉树算法实现包括前序遍历、中序遍历和后序遍历。前序遍历先访问根节点,然后递归遍历左子树和右子树。中序遍历先递归遍历左子树,然后访问根节点,最后递归遍历右子树。后序遍历先递归遍历左子树和右子树,最后访问根节点。这些遍历方式都可以通过递归或迭代来实现。 这些是二叉树的基本操作算法实现,通过它们可以有效地对二叉树进行操作和遍历。
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