1. 灰度图存储
1.1. 题目描述
黑白图像常采用灰度图的方式存储,即图像的每个像素填充一个灰色阶段值,256阶灰图是一个灰阶值取值范围为 0~255 的灰阶矩阵,0表示全黑,255表示全白,范围内的其他值表示不同的灰度。
但在计算机中实际存储时,会使用压缩算法,其中一个种压缩格式描述如如下:
10 10 255 34 0 1 255 8 0 3 255 6 0 5 255 4 0 7 255 2 0 9 255 21
所有的数值以空格分隔;
前两个数分别表示矩阵的行数和列数;
从第三个数开始,每两个数一组,每组第一个数是灰阶值,第二个数表示该灰阶值从左到右,从上到下(可理解为二维数组按行存储在一维矩阵中)的连续像素个数。比如题目所述的例子, “255 34” 表示有连续 34 个像素的灰阶值是 255。
如此,图像软件在打开此格式灰度图的时候,就可以根据此算法从压缩数据恢复出原始灰度图矩阵。
请从输入的压缩数恢复灰度图原始矩阵,并返回指定像素的灰阶值。
1.2. 输入描述
10 10 255 34 0 1 255 8 0 3 255 6 0 5 255 4 0 7 255 2 0 9 255 21
3 4
输入包行两行:
第一行是灰度图压缩数据
第二行表示一个像素位置的行号和列号,如 0 0 表示左上角像素
1.3. 输出描述
0
输出数据表示的灰阶矩阵的指定像素的灰阶值。
备注
系保证输入的压缩数据是合法有效的,不会出现数据起界、数值不合法等无法恢复的场景
系统保证输入的像素坐标是合法的,不会出现不在矩阵中的像素
矩阵的行和列数范图为:(0,100]
灰阶值取值范图:[0,255]
1.4. 用例
输入 10 10 56 34 99 1 87 8 99 3 255 6 99 5 255 4 99 7 255 2 99 9 255 21
3 4
输出 99
说明 将压缩数据恢复后的灰阶矩阵第3行第4列的像素灰阶值是99
输入 10 10 255 34 0 1 255 8 0 3 255 6 0 5 255 4 0 7 255 2 0 9 255 21
3 5
输出 255
说明 将压缩数据恢复后的灰阶矩阵第3行第5列的像案灰阶值是255
1.5. 题目解析
首先计算目标的索引位置,然后遍历压缩的图,小于索引的就跳过,大于等于就返回灰度值
1.6. 代码
class Solution:
def __call__(self, target: List[int], image_size: List[int], image_info: List[int]):
target_cnt = target[0] * image_size[1] + target[1]
for i in range(len(image_info) // 2):
rgb, cnt = image_info[i * 2: i * 2 + 2]
if target_cnt < cnt:
return rgb
target_cnt -= cnt
2. 会议室占用时间
2.1.题目描述
现有若干个会议,所有会议共享一个会议室,用数组表示各个会议的开始时间和结束时间,格式为:
[[会议1开始时间, 会议1结束时间], [会议2开始时间, 会议2结束时间]]
请计算会议室占用时间段。
2.2. 输入描述
第一行输入一个整数 n,表示会议数量
之后输入n行,每行两个整数,以空格分隔,分别表示会议开始时间,会议结束时间
2.3. 输出描述
输出多行,每个两个整数,以空格分隔,分别表示会议室占用时间段开始和结束
备注
会议室个数范围:[1, 100]
会议室时间段:[1, 24]
2.4. 用例
输入 4
1 4
2 5
7 9
14 18
输出 1 5
7 9
14 18
说明
输入:[[1,4],[2,5],[7,9],[14,18]]
输出:[[1,5],[7,9],[14,18]]
说明:时间段[1,4]和[2,5]重叠,合并为[1,5]
输入 2
1 4
4 5
输出 1 5
说明
输入:[[1,4],[4,5]]
输出:[[1,5]]
说明:时间段[1,4]和[4,5]连续
2.5. 题目解析
双指针,会议室时间有交集就合并,无交集就塞进去
2.6. 代码
class Solution:
def __call__(self, meetings: List[List[int]]):
ans = [meetings[0]]
l, r = ans[-1]
for start, end in meetings[1:]:
if start <= r:
r = max(r, end)
ans.pop()
else:
l, r = start, end
ans.append([start, end])
return ans