题目
图像平滑器 是大小为 3 x 3 的过滤器，用于对图像的每个单元格平滑处理，平滑处理后单元格的值为该单元格的平均灰度。
每个单元格的 平均灰度 定义为：该单元格自身及其周围的 8 个单元格的平均值，结果需向下取整。（即，需要计算蓝色平滑器中 9 个单元格的平均值）。
如果一个单元格周围存在单元格缺失的情况，则计算平均灰度时不考虑缺失的单元格（即，需要计算红色平滑器中 4 个单元格的平均值）。
给你一个表示图像灰度的 m x n 整数矩阵 img ，返回对图像的每个单元格平滑处理后的图像 。
示例 1:
输入:img = [[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
示例 2:
输入: img = [[100,200,100],[200,50,200],[100,200,100]] 输出: [[137,141,137],[141,138,141],[137,141,137]] 解释: 对于点 (0,0), (0,2), (2,0), (2,2): floor((100+200+200+50)/4) = floor(137.5) = 137 对于点 (0,1), (1,0), (1,2), (2,1): floor((200+200+50+200+100+100)/6) = floor(141.666667) = 141 对于点 (1,1): floor((50+200+200+200+200+100+100+100+100)/9) = floor(138.888889) = 138
解题
方法一：模拟
class Solution { public: int m; int n; int dirs[3]={-1,0,1}; vector<vector<int>> imageSmoother(vector<vector<int>>& img) { m=img.size(); n=img[0].size(); vector<vector<int>> dst(m,vector<int>(n)); for(int i=0;i<m;i++){ for(int j=0;j<n;j++){ dst[i][j]=getMean(i,j,img); } } return dst; } int getMean(int x,int y,vector<vector<int>>& img){ int sum=0; int count=0; for(int i:dirs){ for(int j:dirs){ int nx=x+i; int ny=y+j; if(nx>=0&&nx<m&&ny>=0&&ny<n){ sum+=img[nx][ny]; count++; } } } return sum/count; } };
