一、问题描述
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
注意:
- 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]。
二、代码和思路
这里的方法我称之为傻瓜式方法,基本是遍历逻辑判断 ,初始化一个value跟count,value,count=M[i][j],1,逻辑判断OK就更新value跟count的值,再把value/count的值添加到新数组的位置,因为都是,每个位置遍历算法时间复杂度为O(m*n)
class Solution:
def imageSmoother(self, M):
"""
:type M: List[List[int]]
:rtype: List[List[int]]
"""
result=[]
m,n=len(M),len(M[0])
for i in range(m):
result.append([])
for j in range(n):
value,count=M[i][j],1
if i-1>=0:
value += M[i-1][j]
count += 1
if j-1>=0:
value += M[i-1][j-1]
# value += M[i][j-1]
count += 1
if j+1<n:
value += M[i-1][j+1]
# value += M[i][j+1]
count += 1
if i+1<m:
value += M[i+1][j]
count += 1
if j-1>=0:
value += M[i+1][j-1]
# value += M[i][j-1]
count += 1
if j+1<n:
value += M[i+1][j+1]
# value += M[i][j+1]
count += 1
if j-1>=0:
value += M[i][j-1]
count += 1
if j+1<n:
value += M[i][j+1]
count += 1
result[i].append(value/count)
return result
三、运行结果(没想到傻瓜式算法效果还不错)