【Leetcode】661. 图片平滑器

QUESTION

easy

题目描述

包含整数的二维矩阵 M 表示一个图片的灰度。你需要设计一个平滑器来让每一个单元的灰度成为平均灰度 (向下舍入) ，平均灰度的计算是周围的 8 个单元和它本身的值求平均，如果周围的单元格不足八个，则尽可能多的利用它们。

示例 1:

输入:
[[1,1,1],
 [1,0,1],
 [1,1,1]]
输出:
[[0, 0, 0],
 [0, 0, 0],
 [0, 0, 0]]
解释:
对于点 (0,0), (0,2), (2,0), (2,2): 平均(3/4) = 平均(0.75) = 0
对于点 (0,1), (1,0), (1,2), (2,1): 平均(5/6) = 平均(0.83333333) = 0
对于点 (1,1): 平均(8/9) = 平均(0.88888889) = 0

说明

• 给定矩阵中的整数范围为 [0, 255]。
• 矩阵的长和宽的范围均为 [1, 150]。

---

SOLUTION

这道题最棘手的就是边界处理，如何写出简洁漂亮且效率又高的代码，着实难倒了我。另外根据题目的说明，不会出现给出的矩阵为空的情况，所以不需要判断为空的情况。

由于我自己写的难看又丑陋，故不在这里分享我的办法了，展示一下别人优雅的代码吧

方法一

转自 Grandyang 的博客

class Solution {
public:
    vector<vector<int>> imageSmoother(vector<vector<int>>& M) {
        int m = M.size(), n = M[0].size();
        vector<vector<int>> res = M, dirs{{0,-1},{-1,-1},{-1,0},{-1,1},{0,1},{1,1},{1,0},{1,-1}};
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                int cnt = M[i][j], all = 1;
                for (auto dir : dirs) {
                    int x = i + dir[0], y = j + dir[1];
                    if (x < 0 || x >= m || y < 0 || y >= n) continue;
                    ++all;
                    cnt += M[x][y];
                }
                res[i][j] = cnt / all;
            }
        }
        return res;
    }
};

方法二

Leetcode 耗时较少（这个人 m 和 n 是反过来的）

class Solution {
public:
    vector<vector<int>> imageSmoother(vector<vector<int>>& M) {
        int n = M.size(), m = M[0].size();
        vector<vector<int> > res;
        for(int i = 0; i < n; i++){
            vector<int> tmp(m);
            for(int j = 0; j < m; j++){
                int c = 0;
                int k = 0;
                int pt = i > 0 ? i-1 : i;
                int pb = i < n-1 ? i+1 : i;
                int pl = j > 0 ? j-1 : j;
                int pr = j < m-1 ? j+1 : j;

                for(int p = pt; p <= pb; p++){
                    for(int q = pl; q <= pr; q++){
                        k += M[p][q];
                        c++;
                    }
                }
                tmp[j] = k / c;
            }
            res.push_back(tmp);
        }
        return res;
    }
};