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
|
3月前
|
算法 测试技术 C++
【动态规划】【矩阵快速幂】【滚动向量】C++算法552. 学生出勤记录 II
【动态规划】【矩阵快速幂】【滚动向量】C++算法552. 学生出勤记录 II
|
3月前
|
算法 Java C语言
第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-48 算法训练 关联矩阵
第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-48 算法训练 关联矩阵
37 0
|
2月前
|
机器学习/深度学习 算法 数据库
KNN和SVM实现对LFW人像图像数据集的分类应用
KNN和SVM实现对LFW人像图像数据集的分类应用
36 0
|
2月前
|
算法 索引 Python
Python3实现旋转数组的3种算法
Python3实现旋转数组的3种算法
21 0
|
4月前
|
算法 测试技术 C#
【动态规划】【矩阵快速幂】【滚动向量】C++算法552. 学生出勤记录 II
【动态规划】【矩阵快速幂】【滚动向量】C++算法552. 学生出勤记录 II
|
1天前
|
算法 TensorFlow 算法框架/工具
基于直方图的图像阈值计算和分割算法FPGA实现,包含tb测试文件和MATLAB辅助验证
这是一个关于图像处理的算法实现摘要,主要包括四部分:展示了四张算法运行的效果图;提到了使用的软件版本为VIVADO 2019.2和matlab 2022a;介绍了算法理论,即基于直方图的图像阈值分割,通过灰度直方图分布选取阈值来区分图像区域;并提供了部分Verilog代码,该代码读取图像数据,进行处理,并输出结果到&quot;result.txt&quot;以供MATLAB显示图像分割效果。
|
14天前
|
文字识别 算法 计算机视觉
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
21 0
|
2月前
|
存储 算法 算法框架/工具
基于HSV色度空间的图像深度信息提取算法FPGA实现,包含testbench和MATLAB辅助验证程序
该文档介绍了在一个FPGA项目中使用HSV色彩模型提取图像深度信息的过程。通过将RGB图像转换为HSV,然后利用明度与深度的非线性映射估计深度。软件版本为Vivado 2019.2和MATLAB 2022a。算法在MATLAB中进行了对比测试,并在FPGA上实现了优化,包括流水线并行处理和查找表技术。提供的Verilog代码段展示了RGB到灰度的转换。实验结果和核心程序的图片未显示。
|
2月前
|
机器学习/深度学习 算法 计算机视觉
利用深度学习算法实现图像风格转换技术探究
本文将通过深入分析深度学习算法在图像处理领域的应用,探讨如何利用神经网络实现图像风格转换技术。通过研究不同风格迁移算法的原理和实现方式,揭示其在艺术创作、图像编辑等领域的潜在应用和挑战。
|
2月前
|
编解码 算法 计算机视觉
基于FPGA的图像最近邻插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
基于FPGA的图像最近邻插值算法verilog实现,包括tb测试文件和MATLAB辅助验证