leetcode 993.二叉树的堂兄弟节点 - BFS

leetcode 993.二叉树的堂兄弟节点 - BFS

题干

在二叉树中,根节点位于深度 0 处,每个深度为 k 的节点的子节点位于深度 k+1 处。
如果二叉树的两个节点深度相同,但 父节点不同 ,则它们是一对堂兄弟节点。
我们给出了具有唯一值的二叉树的根节点 root ,以及树中两个不同节点的值 x 和 y 。
只有与值 x 和 y 对应的节点是堂兄弟节点时,才返回 true 。否则,返回 false。

示例 1:
输入:root = [1,2,3,4], x = 4, y = 3
输出:false

示例 2:
输入:root = [1,2,3,null,4,null,5], x = 5, y = 4
输出:true

示例 3:
输入:root = [1,2,3,null,4], x = 2, y = 3
输出:false

提示:
二叉树的节点数介于 2 到 100 之间。
每个节点的值都是唯一的、范围为 1 到 100 的整数。

知识点&算法

根据题意,堂兄弟节点间应该满足两个条件:深度相同且父节点不同。
深度相同的搜索很容易相当BFS,搜索的同时我们维护每个节点的父节点,当搜索到x和y后,判断两者父节点是否不同即可。
由于BFS的层级概念实际上在队列中不会直接表露出来,所以我们用以变量levelSize来维护单层的节点个数,以此将判断全部放在一层内进行。

题解

class Solution {
public:
    bool isCousins(TreeNode* root, int x, int y) {
        int levelSize = 1;
        bool xFlag = false,yFlag = false;
        TreeNode* xParent;
        TreeNode* yParent;
        queue<pair<TreeNode*,TreeNode*> > Q;
        Q.push({root,nullptr});
        while(!Q.empty()){
            auto now = Q.front();
            Q.pop();
            if(now.first->val == x){ 
                xFlag = true;
                xParent = now.second;
            }
            if(now.first->val == y) {
                yFlag = true;
                yParent = now.second;
            };
            levelSize--;
            if(now.first->left) Q.push({now.first->left,now.first});
            if(now.first->right) Q.push({now.first->right,now.first});
            if(xFlag && yFlag) return xParent != yParent;
            if(levelSize == 0){
                if(xFlag || yFlag) return false;
                xFlag = false;
                yFlag = false;
                levelSize = Q.size();
            }
        }
        return false;
    }
};
压缩包中包含的具体内容: 对给定数据中的6个不同场景图像,进行全景拼接操作,具体要求如下: (1) 寻找关键点,获取关键点的位置和尺度信息(DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现;请参照该算子,自行编写程序实现Harris-Laplacian检测子)。 (2) 在每一幅图像中,对每个关键点提取待拼接图像的SIFT描述子(编辑SIFTDescriptor.m文件实现该操作,运行EvaluateSIFTDescriptor.m文件检查实现结果)。 (3) 比较来自两幅不同图像的SIFT描述子,寻找匹配关键点(编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离,实现该操作,运行EvaluateSIFTMatcher.m文件检查实现结果)。 (4) 基于图像中的匹配关键点,对两幅图像进行配准。请分别采用最小二乘方法(编辑ComputeAffineMatrix.m文件实现该操作,运行EvaluateAffineMatrix.m文件检查实现结果)和RANSAC方法估计两幅图像间的变换矩阵(编辑RANSACFit.m 文件中的ComputeError()函数实现该操作,运行TransformationTester.m文件检查实现结果)。 (5) 基于变换矩阵,对其中一幅图像进行变换处理,将其与另一幅图像进行拼接。 (6) 对同一场景的多幅图像进行上述操作,实现场景的全景拼接(编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作)。可以运行StitchTester.m查看拼接结果。 (7) 请比较DoG检测子和Harris-Laplacian检测子的实验结果。图像拼接的效果对实验数据中的几个场景效果不同,请分析原因。 已经实现这些功能,并且编译运行均不报错!
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