2011年8月11日

hdu 3927 Math Geek

摘要: http://acm.hdu.edu.cn/showproblem.php?pid=3927反幻方,挺有意思的一道题具体可以见证明 http://www.cnblogs.com/lwbaptx/admin/Files.aspx给出的一个构造反幻方的方法定理:若n(n>=3)阶方阵为 A=[aij]a[i][j]=(i-1)*(n-1)+j ; (i=1,...n, j=1,....n-1)a[i][j]=n*(n-1)+i; (i=1,...n,j=n)则A是一个n阶反幻方#include <iostream>#include <cstdio>#include & 阅读全文

posted @ 2011-08-11 01:14 lwbaptx 阅读(290) 评论(0) 推荐(0) 编辑

2011年8月9日

反向投影图

摘要: 参考自: http://blog.163.com/thomaskjh@126/blog/static/370829982010112810358501/理解反向投影图的一篇不错的文章=图像的反向投影图是用输入图像的某一位置上像素值(多维或灰度)对应在直方图的一个bin上的值来代替该像素值,所以得到的反向投影图是单通的。用统计学术语,输出图像象素点的值是观测数组在某个分布(直方图)下的概率。其中b(xi)表示在位置xi上像素对应的直方图第b(xi)个bin,直方图共m个bin,qu表示第u个bin的值。还是以例子说明(1)例如灰度图像如下Image= 0 1 2 3 4 5 6 7 8 9 10 阅读全文

posted @ 2011-08-09 14:44 lwbaptx 阅读(830) 评论(0) 推荐(0) 编辑

hdu 3911 Black And White

摘要: http://acm.hdu.edu.cn/showproblem.php?pid=3911好吧,纠结很久才发现的那个错误。泪奔。。。。。用到了线段树中的懒操作,具体的话,就看线段树里面的结点信息吧==!#include <iostream>#include <cstdio>#include <algorithm>#include <string.h>#include <cmath>#include <vector>using namespace std;const int maxn = 100005;struct nod 阅读全文

posted @ 2011-08-09 00:16 lwbaptx 阅读(580) 评论(0) 推荐(0) 编辑

2011年8月8日

学习camshiftdemo小记

摘要: 参考自:http://blog.csdn.net/koriya/article/details/3347365#ifdef _CH_#pragma package <opencv>#endif#define CV_NO_BACKWARD_COMPATIBILITY#ifndef _EiC#include "cv.h"#include "highgui.h"#include <stdio.h>#include <ctype.h>#endif//用HSV中的Hue分量进行跟踪IplImage *image = 0, *hs 阅读全文

posted @ 2011-08-08 20:39 lwbaptx 阅读(1679) 评论(0) 推荐(0) 编辑

2011年8月5日

CamShift算法研究(基于opencv)

摘要: 转载自:http://hi.baidu.com/anymis/blog/item/ecc06ff4546bacdcf3d385ed.htmlCamShift算法: CamShift算法,即"Continuously Apative Mean-Shift"算法,是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。 我把这个算法分解成三个部分,便于理解: 1) Back Projection(背景放映)计算 2) Mean Shift(平均转换)算法 3) CamShift算法(注意:上面的翻译纯属个人理解!)1)Back Projection:计算Ba 阅读全文

posted @ 2011-08-05 15:51 lwbaptx 阅读(696) 评论(0) 推荐(0) 编辑

有关meanshift跟踪的理解(在opencv中实现)

摘要: 转载自:http://lijunjie0704.blog.163.com/blog/static/151148274201051443615780/?fromdm&fromSearch&isFromSearchEngine=yesmeanshift算法思想其实很简单:利用概率密度的梯度爬升来寻找局部最优。它要做的就是输入一个在图像的范围,然后一直迭代(朝着重心迭代)直到满足你的要求为止。但是他是怎么用于做图像跟踪的呢?这是我自从学习meanshift以来,一直的困惑。而且网上也没有合理的解释。经过这几天的思考,和对反向投影的理解使得我对它的原理有了大致的认识。 在opencv中 阅读全文

posted @ 2011-08-05 15:43 lwbaptx 阅读(1234) 评论(0) 推荐(0) 编辑

2011年8月4日

hdu 3902 Swordsman

摘要: http://acm.hdu.edu.cn/showproblem.php?pid=3902题意:给出一个简单多边形,判断这个多边形是否是轴对称多边形.把原来的n个点扩展,加上各边的中点,扩展为2n个点。然后对称轴一定是一个点和它对面的一个点组成。(i,i+n)再验证在这条对称边的两端的对应两点组成的线段是否垂直平分这条对称轴.理论上的复杂度是 O(n*n),但实际上应该达不到的吧=!#include <iostream>#include <cstdio>#include <algorithm>#include <cmath>#include & 阅读全文

posted @ 2011-08-04 22:42 lwbaptx 阅读(287) 评论(0) 推荐(0) 编辑

2011年8月3日

hdu 3884 Hinanai Tenshi’s peach garden

摘要: http://acm.hdu.edu.cn/showproblem.php?pid=3884二分+验证验证是否可以把t个桃子放在同一点的时候,这t个桃子必然是连续的,假设存在于区间[a,b]这个区间的两个端点必然有一个是满的(所以扫描的时候左右扫两遍)先假设a点是满的那么找第t个桃子所在的位置再找中间第(t+1)/2个桃子的位置 (距离和最小)此时得到中间位置,左右两边的位置,就可以验证是否超出花费了。注:当t是偶数的时候,中间的桃子应该是有两个的,我考虑之后就TLE了,因为我的算法复杂度是 O(lgm*n*lgn*lgn) (m是桃子总数,n是位置数)后来统一考虑中间的那个桃子就是第(t+1 阅读全文

posted @ 2011-08-03 02:08 lwbaptx 阅读(342) 评论(0) 推荐(0) 编辑

2011年7月28日

2011 多校联合第5场 1002 Lucky Numbers

摘要: http://acm.hdu.edu.cn/showproblem.php?pid=3880比赛的时候卡了很久,最后yy出一个很奇怪的结论,现在给出一点简单的证明。题意大概是给出互质的两个数a,b. 还有一个边界数M。求出一个 具有最小元素的 setA 集合,使得对任意正整数m ( a*m<=M && b*m<=M) . a*m or b*m is in setA.首先假设 a<b. ( gcd(a,b)=1)设整个范围是 (b*1,b*2,b*3, .........b*t) (b*t<=M) 个数是 M/b;设 ans = 0;(1) ans 加上 阅读全文

posted @ 2011-07-28 00:59 lwbaptx 阅读(373) 评论(1) 推荐(0) 编辑

2011年7月26日

SRM 513 div2

摘要: 250pt,大水题一道,按照题目意思模拟一下就行了。#include <iostream>#include <cstdio>#include <string.h>#include <vector>#include <cmath>#include <algorithm>using namespace std;class TrainingCamp{ public: vector<string> determineSolvers(vector<string> attendance, vector<s 阅读全文

posted @ 2011-07-26 21:21 lwbaptx 阅读(181) 评论(0) 推荐(0) 编辑

导航