算法:反转图像(旋转的矩阵)

简介: 旋转的矩阵

前言

今天要介绍的是一个较为经典的算法题:反转图像或者旋转矩阵。这道题的原题是Leetcode上的一道题,在题库序号为48。具体内容粘贴如下:
屏幕截图 2022-12-23 105925.png
这种题目就是一个典型的倒置矩阵的思路,大体内容就是将一个矩阵逆向反转90度。首先针对这题有两种解法,一种就是显而易见的暴力转置法,就是将矩阵的对角线为分界线将两边的数字进行交换,之后再将矩阵的每行前半部分和后半部分进行对换,这时候矩阵的倒置90度就完成了。第二种就是通过分治思想,将矩阵分割成四块,一块进行逆转90度的同时就可以将其他的联通一起逆转,实现通过一部分操作从而带动整体。

第一种解法

这种解法首先是以矩阵的对角线划分,将两边的数字进行互换
屏幕截图 2022-12-28 193005.png
屏幕截图 2022-12-28 193327.png
上述红线就是一条对焦分界线,通过交换分解线两边的数字,将边角进行交换,实现第一个旋转步骤。交换后的结果如图所示:
屏幕截图 2022-12-28 193633.png

第二步将每行的前后进行互换,但是行中心不变,因为已经旋转过了,中心块位置固定所以只需一次变换即可,两边的棱角就需要进行两次操作。
屏幕截图 2022-12-30 121517.png
屏幕截图 2022-12-30 121729.png
这样经过两步的操作,这个矩阵就彻底的被倒置了90度,操作难度并不是很大,但是有些麻烦。但是这是平常最容易想到的解法,通过先交换中心块和边角,再通过行前后半部分进行交换即可成功解决。以下附上Java代码演示全部过程:

/**
     * 首先矩阵倒置,再翻转每一行的两边
     * @param matrix
     */
    public void rotate(int[][] matrix){

        int len=matrix.length;

        //倒置矩阵第一步,除去左上到右下的中分线和中心点,其他位置与对侧交换
        for (int i = 0; i <matrix.length; i++) {
            for (int j = i+1; j <matrix[i].length; j++) {
                if (i==j){
                    continue;
                }

                int temp=matrix[i][j];
                matrix[i][j]=matrix[j][i];
                matrix[j][i]=temp;
            }
        }


        //每行的首尾位置进行交换,矩阵倒置的最·后一步
        for (int i = 0; i <matrix.length; i++) {
            for (int j = 0; j <len/2; j++) {
                int temp=matrix[i][j];
                matrix[i][j]=matrix[i][len-j-1];
                matrix[i][len-j-1]=temp;
            }

        }
    }

第二种解法

这是一个比较经典的通过分治的思想进行解决问题。先将矩阵分为四个小矩阵

屏幕截图 2022-12-30 174050.png
然后逐一将小矩阵的数字进行倒置90度,小矩形的块旋转变化符合一定的规律,行列转化的规律:row+newCol = n - 1,col = newRow。这里row、col表示数字的原有坐标,newRow、newCol表示旋转后的新坐标。遍历每个小矩阵中的数字进行倒置旋转
屏幕截图 2022-12-30 175726.png
屏幕截图 2022-12-30 182902.png
这种通过分治只需要导致旋转一个矩阵内的数字就可以将整个大矩阵进行旋转,注意:中心点数字不需要进行操作。使用Java代码演示:

 /**
     * 首先矩阵倒置,再翻转每一行的两边
     * @param matrix
     */
    public void rotate(int[][] matrix){

        int len=matrix.length;

        //遍历四分之一矩阵,左上角
        for (int i = 0; i < len/2 + len%2; i++) {
            for (int j = 0; j < len/2; j++) {
                //对于matrix[i][j],需要找到不同的四个矩阵中对应的另外三个位置和元素
                //定义一个临时的数组,保存对应的四个元素
                int[] temp=new int[4];
                int row = i;
                int col = j;

                //行列转化的规律:row+newCol = n - 1,col = newRow
                //四个旋转块中的一个元素四次旋转落地存入临时数组中
                for (int k = 0; k < 4 ; k++) {
                    temp[k] = matrix[row][col];;
                    int x = row;
                    row = col;
                    col = len - 1 - x;

                }


                for (int k = 0; k < 4; k++) {
                    //将下个位置的数依次前移填入相应的位置
                    matrix[row][col] = temp[(k+3)%4];
                    int x = row;
                    row = col;
                    col = len - 1 -x;
                }

            }

        }
    }

总结

对比上述两种可以得出,第二种无论是在设计精巧还是代码量方面都比第二种要更好,推荐使用第二种方式的分治思想进行解决问题。

相关文章
|
6月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
606 0
|
8月前
|
编解码 算法
改进SIFT算法实现光学图像和SAR图像配准
改进SIFT算法实现光学图像和SAR图像配准
|
6月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
346 8
|
7月前
|
存储 监控 算法
基于文化优化算法图像量化(Matlab代码实现)
基于文化优化算法图像量化(Matlab代码实现)
364 1
|
7月前
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
7月前
|
机器学习/深度学习 监控 并行计算
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
913 0
|
9月前
|
机器学习/深度学习 监控 算法
基于单尺度Retinex和多尺度Retinex的图像增强算法实现
基于单尺度Retinex(SSR)和多尺度Retinex(MSR)的图像增强算法实现
1174 1
|
9月前
|
存储 算法 数据安全/隐私保护
基于FPGA的图像退化算法verilog实现,分别实现横向和纵向运动模糊,包括tb和MATLAB辅助验证
本项目基于FPGA实现图像运动模糊算法,包含横向与纵向模糊处理流程。使用Vivado 2019.2与MATLAB 2022A,通过一维卷积模拟点扩散函数,完成图像退化处理,并可在MATLAB中预览效果。
|
算法 数据安全/隐私保护 计算机视觉
基于FPGA的图像双线性插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
本项目展示了256×256图像通过双线性插值放大至512×512的效果,无水印展示。使用Matlab 2022a和Vivado 2019.2开发,提供完整代码及详细中文注释、操作视频。核心程序实现图像缩放,并在Matlab中验证效果。双线性插值算法通过FPGA高效实现图像缩放,确保质量。
|
10月前
|
存储 算法 数据安全/隐私保护
基于DNA算法的遥感图像加解密matlab仿真
本程序基于DNA算法实现遥感图像加密与解密,利用DNA分子双螺旋结构和碱基配对规则完成信息编码。主要步骤包括图像预处理、DNA编码、DNA操作(杂交、酶切、连接)及密钥生成管理。通过直方图、相关性、熵和解密后图像质量分析验证效果。程序在MATLAB2022A版本运行,具有高效性和安全性,但需解决操作准确性与密钥管理复杂性等挑战。