csp 21-04-1 灰度直方图 & 2 邻域均值

灰度直方图

问题

给出灰度矩阵A，计算灰度直方图，就是统计这个矩阵中各个像素值的个数。
A中每个元素的值都在[0,L)，最终得到的直方图的长度为L。

思路

统计不同像素值的个数，适合使用map，遍历A，加入map中即可

#include <iostream>
#include <map>
using namespace std;

int main(){
	int n, m, L;
	map<int,int> pix;
	cin >> n >> m >> L;
	int temp;
	for(int i = 0; i < n * m; i++){
		cin >> temp;
		pix[temp]++;
	}
	for(int i = 0; i < L; i++){
		cout << pix[i] << " ";
	}
	cout << endl;
	return 0;
}

get

这次的思路不错，但也是刚好这些键都是固定的，就是[0,L)，输出好输出，不然无序的存储进去，输出就也不好搞。
map的遍历是iterator嗷

邻域均值

问题

一个灰度图，计算各个像素的领域均值，半径为r，如果均值小于等于t，则认为该像素为较暗区域，统计较暗区域个数。

思路

遍历每一个点，对每一个点计算邻域矩阵，hhh，一听就是会超时的麻烦思路，而且对每一个点，上下左右的半径试探还有用循环套循环，不想思考不想写，于是搜索了优秀思路。

优秀思路

发现大家在用，二维前缀数组，了解了一下
二维前缀和（Two-dimensional Prefix Sum）是一种常用的数组处理方法，用于高效地计算二维数组某个子矩阵的和。通过构建二维前缀和数组，可以在 O(1) 的时间复杂度内完成对任意子矩阵的求和操作。
假设我们有一个二维数组 matrix，其中 matrix[i][j] 代表第 i 行、第 j 列的元素值。
那么二维前缀和数组 prefixSum 的定义如下：

prefixSum[i][j]//以原始数组 matrix 左上角为起点、右下角为终点的矩形区域内所有元素的和
prefixSum[i][j] = matrix[i][j] + prefixSum[i-1][j] + prefixSum[i][j-1] - prefixSum[i-1][j-1]

红色子矩阵之和 = 蓝色 + 绿色 - 粉色
这个博主写的也很好，还有图
二位前缀和
这一题也是求子矩阵之和，就不用重复求解了，接下来就是要学一下，怎么求二维前缀数组，以及如何用在这一题上。
求得前缀和数组，确定邻域矩阵的左上坐标（x1,y1）右下坐标（x2,y2）。

参考博主的文章解决这个问题
CSP CCF： 202104-2 邻域均值 （C++）

#include <iostream>
#include <vector>
using namespace std;

int main() {
	int n, L, r, t;
	cin >> n >> L >> r >> t;
	vector<vector<int> > prefix(n + 1, vector<int>(n + 1, 0));//初始化为全0，从下标为1的位置存储 前缀和 
//	vector<int> prefix(n, 0);
	int temp = 0; 
	for(int i = 1; i <= n; i++){
		for(int j = 1; j <= n; j++){
			cin >> temp;
			prefix[i][j] = prefix[i - 1][j] + prefix[i][j - 1] - prefix[i - 1][j - 1] + temp;
		}
	}
	int sum, ans = 0;
	int x1,y1,x2,y2;
    for(int i = 1; i <= n; i++){
    	for(int j = 1; j <= n; j++){
    		x1 = max(1, i - r);
    		y1 = max(1, j - r);
    		x2 = min(n, i + r);
    		y2 = min(n, j + r);
    		sum = prefix[x2][y2] - prefix[x2][y1 - 1] - prefix[x1 - 1][y2] + prefix[x1 - 1][y1 - 1];
    		if((x2 - x1 + 1) * (y2 - y1 + 1) * t >= sum) ans++;
		}
	}
	cout << ans << endl;
	return 0;
}

get

学到了前缀和，之前也有一题是前缀和，一维的，这次遇到二维的，便于求任意子矩阵之和。前缀是从（1，1）到（x，y）的子矩阵之和。
初始化的方法：
vector prefix(n, 0);
vector<vector > prefix(n + 1, vector(n + 1, 0))
除法变乘法来算。