C算法编程题(五)“E”的变换

简介:

程序描述

  给定7×7二维数组矩阵,元素由“0”或“1”组成,并且根据元素值屏幕显示“E”字形图案,其中“0”显示空格,“1”显示“@”。
如矩阵
0 1 1 1 1 1 0 
0 1 0 0 0 0 0
0 1 0 0 0 0 0
0 1 1 1 1 1 0
0 1 0 0 0 0 0 
0 1 0 0 0 0 0 
0 1 1 1 1 1 0 
屏幕输出的图案为:    
      
   @@@@@
   @
   @
 @@@@@
   @
 @
 @@@@@

  
要求:(1) 根据矩阵内容,在屏幕上输出相应图案;
 (2)屏幕输出一个简易菜单,并通过菜单操作,实现图案的任意旋转。
在屏幕上输出的简易菜单为:
*************************
1. 图案顺时针旋转90度
2. 图案逆时针旋转90度
3. 退出
***************************
请输入菜单项编号:
试编写程序实现上述功能。

程序实现

  其实这个编程题看起来很复杂,如果我们思路理清楚了也还是很简单的,我们一步一步的来分析下。

  题目中已经给我们规定好了图形,那我们就建一个二维数组来存储已知图形:

1     int a[N][N]={{0,1,1,1,1,1,0},{0,1,0,0,0,0,0},{0,1,0,0,0,0,0},{0,1,1,1,1,1,0},{0,1,0,0,0,0,0},{0,1,0,0,0,0,0},{0,1,1,1,1,1,0}};

  "0”显示空格,“1”显示“@”,这个我们输出的时候进行转换,这里0、1只做标记。

  下面我们看题目要求,实际的操作就是三个:图案顺时针旋转90度;图案逆时针旋转90度;打印字符。

  打印字符很简单,就是把二维数组打印出来,这个题难就难在图形旋转上,我们先看一个顺时针旋转90度的,还是跟以前一样,我们先从旋转前和旋转后的图形中找下规律。

   @@@@@    旋转后    @@@@@@@
   @                @  @  @
   @                @  @  @
 @@@@@              @  @  @
   @                @  @  @
 @
 @@@@@    

  大家看这两个图形很怪异,不像是一个图形旋转过来的,但是确实是一个图形,看图形看不出,我们就看下数组:

  0 1 1 1 1 1 0     旋转后    0 0 0 0 0 0 0
0 1 0 0 0 0 0          1 1 1 1 1 1 1
0 1 0 0 0 0 0          1 0 0 1 0 0 1
0 1 1 1 1 1 0           1 0 0 1 0 0 1
0 1 0 0 0 0 0           1 0 0 1 0 0 1
0 1 0 0 0 0 0           1 0 0 1 0 0 1
0 1 1 1 1 1 0           0 0 0 0 0 0 0

  这个就容易看出来了,如果第一个数组是a1.第二个数组是a2,那a1[0][1],转换后为a2[1][6],我们再看一个:a1[3][1],转换后为a2[1][3],写到着大家不知道有没有发现规律。

  顺时针旋转90度后a1的纵坐标会作为a2的横坐标,那a1的横坐标到a2的纵坐标怎样转换的,0-6;3-3,数组长度为7,大家应该晓得了,转换规律就是N-1-i,N和i分别代表的是数组长度和a1的横坐标,规律找到了,代码就好写了。

  顺时针旋转90度示例代码:

复制代码
 1 //    该函数实现数组的顺时针90度旋转变换
 2 void turnRight(int array[][N])
 3 {
 4     int a[N][N];
 5     int i,j;
 6       for(i=0;i<N;i++)
 7         for(j=0;j<N;j++)
 8            a[j][N-1-i]=array[i][j];
 9     for(i=0;i<N;i++)
10       for(j=0;j<N;j++)
11           array[i][j]=a[i][j];
12 }
复制代码

  array数组参数是旋转前的数组,逆时针旋转90度和顺时针旋转90度是差不多的,只不过是反过来,规律是这样:a1的横坐标会作为a2的纵坐标,a2横坐标N-1-i,N和i分别代表的是数组长度和a1的纵坐标。

  逆时针旋转90度示例代码:

复制代码
 1 //    该函数实现数组的逆时针90度旋转变换
 2 void turnLeft(int array[][N])
 3 {
 4     int i,j,a[N][N];
 5        for(i=0;i<N;i++)         
 6         for(j=0;j<N;j++)
 7            a[N-1-j][i]=array[i][j];
 8     for(i=0;i<N;i++)
 9       for(j=0;j<N;j++)
10           array[i][j]=a[i][j];
11 
12 }
复制代码

  这个编程题思路就是这样,其实我做这些图形题的时候,就是不停画图形,找规律,一般都是有规律可循的,找到后你就会发现其实很简单,这种编程题是离不开数学的,如果你逻辑思维能力不行,做起来是很费劲的。就像我们当时上上数学课学几何图形的时候,老师会让我们在脑海里去想象那个图形,但是就是有的同学想象不出来,这类同学就适合做文学家,不适合搞数学。

  

  完整代码:

  View Code

  运行结果:


本文转自田园里的蟋蟀博客园博客,原文链接:http://www.cnblogs.com/xishuai/p/3409044.html,如需转载请自行联系原作者

相关文章
|
5月前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
5月前
|
存储 分布式计算 算法
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
78 0
|
2月前
|
算法
基于小波变换的图像自适应增强算法
基于小波变换的图像自适应增强算法
11 0
|
3月前
|
存储 算法 搜索推荐
告别低效编程!Python算法设计与分析中,时间复杂度与空间复杂度的智慧抉择!
【7月更文挑战第22天】在编程中,时间复杂度和空间复杂度是评估算法效率的关键。时间复杂度衡量执行时间随数据量增加的趋势,空间复杂度关注算法所需的内存。在实际应用中,开发者需权衡两者,根据场景选择合适算法,如快速排序(平均O(n log n),最坏O(n^2),空间复杂度O(log n)至O(n))适合大规模数据,而归并排序(稳定O(n log n),空间复杂度O(n))在内存受限或稳定性要求高时更有利。通过优化,如改进基准选择或减少复制,可平衡这两者。理解并智慧地选择算法是提升代码效率的关键。
53 1
|
2月前
|
存储 算法
【C算法】编程初学者入门训练140道(1~20)
【C算法】编程初学者入门训练140道(1~20)
|
3月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
59 1
|
4月前
|
机器学习/深度学习 算法
基于BP神经网络和小波变换特征提取的烟草香型分类算法matlab仿真,分为浓香型,清香型和中间香型
```markdown 探索烟草香型分类:使用Matlab2022a中的BP神经网络结合小波变换。小波分析揭示香气成分的局部特征,降低维度,PCA等用于特征选择。BP网络随后处理这些特征,以区分浓香、清香和中间香型。 ```
|
4月前
|
机器学习/深度学习 算法 搜索推荐
编程之舞:探索算法的优雅与力量
【6月更文挑战第10天】在软件的世界里,算法是构筑数字宇宙的基石。它们如同精心编排的舞蹈,每一个步骤都充满着逻辑的美感和解决问题的力量。本文将带领读者走进算法的世界,一起感受那些精妙绝伦的编程思想如何转化为解决现实问题的钥匙。
29 3
|
5月前
|
算法 数据安全/隐私保护 C++
基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
该内容是关于一个图像水印算法的描述。在MATLAB2022a中运行,算法包括水印的嵌入和提取。首先,RGB图像转换为YUV格式,然后水印通过特定规则嵌入到Y分量中,并经过Arnold置乱增强安全性。水印提取时,经过逆过程恢复,使用了二维CS-SCHT变换和噪声对比度(NC)计算来评估水印的鲁棒性。代码中展示了从RGB到YUV的转换、水印嵌入、JPEG压缩攻击模拟以及水印提取的步骤。
|
4月前
|
人工智能 算法 搜索推荐
Java算法编程详解和程序实例
Java算法编程详解和程序实例
42 0
下一篇
无影云桌面