531 孤独像素 I

该博客介绍了如何在黑白像素图像中计算孤立的黑色像素。给定一个二维字符数组表示的图像,通过遍历两次数组,统计每行和每列黑色像素('B')的数量。第一次遍历用于积累统计信息,第二次遍历则根据统计结果找出那些在行和列中仅出现一次的黑色像素,即为孤独像素,并返回其数量。提供的代码示例展示了这种算法的实现。
摘要由CSDN通过智能技术生成

题目描述:
给定一幅黑白像素组成的图像, 计算黑色孤独像素的数量。
图像由一个由‘B’和‘W’组成二维字符数组表示, ‘B’和‘W’分别代表黑色像素和白色像素。
黑色孤独像素指的是在同一行和同一列不存在其他黑色像素的黑色像素。

示例:
输入:
[[‘W’, ‘W’, ‘B’],
[‘W’, ‘B’, ‘W’],
[‘B’, ‘W’, ‘W’]]
输出: 3
解析: 全部三个’B’都是黑色孤独像素。

注意:
输入二维数组行和列的范围是 [1,500]。

方法1:
主要思路:
(1)先使用行和列来统计各行各列具有的B的数量;
(2)再遍历一次数组,只有数组元素为B,且对应的行和列的值为1时,说明是孤独像素;

class Solution {
public:
    int findLonelyPixel(vector<vector<char>>& picture) {
        vector<int> rows(picture.size(),0);
        vector<int> cols(picture[0].size(),0);
        //先统计各行和各列中的B的数量
        for(int i=0;i<picture.size();++i){
            for(int j=0;j<picture[0].size();++j){
                if(picture[i][j]=='B'){
                    ++rows[i];
                    ++cols[j];
                }
            }
        }
        int res=0;
        //再遍历一遍,进行统计
        for(int i=0;i<picture.size();++i){
            for(int j=0;j<picture[0].size();++j){
            	//只有元素的值为B,其各行和各列的值为1,才说明是孤独像素
                if(picture[i][j]=='B'&&rows[i]==1&&cols[j]==1){
                    ++res;
                }
            }
        }
        return res;
    }
};
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