算法复习周------“动态规划之‘图像压缩’”
问题描述:图像压缩的问题我们是这样理解的:大家都知道计算机的图像是用灰度值序列来表示的{P1,P2......Pn},其中Pi表示像素点i的灰度值。而通常灰度值的范围是0~255,因此需要8位二进制数来表示一个像素。这个时候大家应该有了一些小的疑问:我能不能用更少的位数来表示灰度值?(因为有的灰度值并没有达到255这么大)所以我们引入了图像压缩算法来解决这个问题。
不过在引入问题之前,我要在这里介绍一些算法设计的知识——我们要将灰度值序列分组,而每一组中所有的数就有可能是<255的,所以我们就不需要用8位数字去表示像素大小了,但是分组会带来一个新的问题:我如何表示当前组中像素的个数和像素的位数呢(因为不是八位,所以要有一个数据来记录真正的位数)?这里我们引入两个固定位数的值来表示,①我们用3位数字来表示当前组的每一位像素的的位数②我们引入8来表示当前组中像素点的个数 因为我们在这里规定了一组中最多存储-->0~255个数字,而一个灰度值最多有8位(2^3),所以我们可以用即3位数字来表示当前组的像素位数(注意这里都是二进制)
算法设计:知道了这些之后剩下的问题就很好解决了。下面我们看一个例子:
{6, 5, 7,5, 245, 180, 28,28,19, 22, 25,20}这是一组灰度值序列。我们按照默认的解体方法来看----一共12个数字,所以12*8=96位来表示。
而下面我们将其进行分组:
这里我们将他们分为三组:
第一组4个数,最大是7所以用3位表示;
第二组2个数,最大是245所以用8位表示;
第三组6个数,最大是28所以用5位表示;
这个时候,我们最后得到了最后的位数结果为:4*3+2*8+6*5+11*3=91。是不是优化了??
那我们算法应该怎么做来找最优的值呢??
下面我一步一步介绍。
既然是DP问题,所以我们肯定需要数组来记录每一步的最优值。这里我们用S[n]来记录第i个数字的最优处理方式得到的最优解。l[n]中来记录第当前第i个数所在组中有多少个数。而b[n]中存的数为当前组的像素位数。
下面我写出来具体的递归过程-->
例题: 求像素序列4,6,5,7,129,138,1的最优分段。
在解体过程中,我们知道在我们求s[3]的时候,我们是分三种情况----
①前三个数为一组,这个时候我需要的存储位数是3(位数)*3(每一组中数的个数)+11(每分一组所必须的固定位数)
②s[1]为单独一组,剩下的两个数字为一组,此时我所需要的空间为s[1]+2*3+11
③前两个数字为一组,最后一个数为一组。此时我们要用s[2](前面已经计算出的最优值)+3*1+11
然后比较三个数的大小,取最小的那一种分组情况,然后记下l[3]=3(当前最优分组中是三个数在同一组中),b[3]=3(每一个像素所用的存储位数)。
递归到最后得到最优解为 58.
之后我们考虑我们的分组情况。这个时候我们就要用到l这个矩阵了。
l= [1 2 3 4 1 2 3] 在这里我们先从最后一个看,它是3,所以向前推三个数字到了4,在向前推四个数,所以我们得到了这里要分两组 即 l= [1 2 3 4 | 1 2 3] 。
写到这里图像压缩问题也就讲完了,希望给大家能带了一些帮助,大家有什么要交流的问题可以给我留言。
----------------------------------------------------------------------------------------Made By Pinging
转载于:https://www.cnblogs.com/Pinging/p/7899156.html
算法复习周------“动态规划之‘图像压缩’”相关推荐
- 算法复习周------“贪心问题之‘单源最短路径’”
前几天写完了DP问题,终于把比较困难的几个部分写完了,今天开始我们进入贪心模块.贪心相对与DP来说还是很好理解的.NOW,现在开始第一部分. 算法介绍:给定一个带权有向图,其中的每一条边的权值都是非负 ...
- 算法复习第四章动态规划
算法复习第四章动态规划 动态规划 TSP问题 0-1bag 动态规划 TSP问题 0-1bag 最长公共子序列不考:
- 算法复习——动态规划篇之最长公共子序列问题
算法复习--动态规划篇之最长公共子序列问题 以下内容主要参考中国大学MOOC<算法设计与分析>,墙裂推荐希望入门算法的童鞋学习! 1. 问题背景 子序列:将给定序列中零个或多个元素(如字符 ...
- 算法复习——动态规划篇之钢条切割问题
算法复习--动态规划篇之钢条切割问题 以下内容主要参考中国大学MOOC<算法设计与分析>,墙裂推荐希望入门算法的童鞋学习! 1. 问题背景 钢铁切割: 现有一段长度为10的钢条,可以零 ...
- 大三寒假--算法复习
算法 复习的一些知识点 c++ 的数组初始化 fill memset c++ 的排序 c++ 的vetor 快速幂 m&1(位运算符) dfs和bfs 逆序对(使用归并算法解决) Java 的 ...
- NOIP复习篇———动态规划
NOIP复习篇---动态规划 ------------------------------------------------------------------------------------- ...
- 【浅记CTF(一)】复习周来袭
文章目录 前言: [WEB]sql_checkin [杂项]easy_misc 莫斯密码解密 lsb加密隐写 栅栏密码 [杂项]Un(ix)zip unixzip Base64 [杂项]Do_you_ ...
- php算法学习,php算法学习之动态规划
动态规划程序设计是对解最优化问题的一种途径.一种方法,最终问题的最优解可以通过前面子问题的最优解推导出来. 对于动态规划这个算法,自己学习的还不是很透彻,简单的总结自己学习的感受是: 动态规划思想中融 ...
- 算法复习第三章分治法
算法复习第三章分治法 循环日程表 最近点对 快速排序: 循环日程表 最近点对
- 算法复习第六章第七章
算法复习第六章第七章 第六章回溯法 TSP问题 0-1bag问题 图着色问题 八皇后问题 第七章分支限界法 0-1bag问题 TSP问题 第六章回溯法 TSP问题 0-1bag问题 图着色问题 八皇后 ...
最新文章
- MySQL中varchar类型在5.0.3后的变化
- 2、程序包 Packages
- python安装modify setup选哪-python 之禅 import this
- nodejs之思维导图(浅理解)
- 运用SQLAlchemy
- linux下GPRS ppp拨号默认路由问题(存在eth0)
- 转:shell awk
- loj#2143. 「SHOI2017」组合数问题
- Redis源码分析(二)redis-cli.c
- mongodb or and 条件拼凑 Query.And Query.Or
- 例子---JS实现钟表
- 值传递,指针传递,引用传递
- 灾难恢复! 关于做过快照的AVHD文件合并成VHD .
- L3_01 01背包和最小序列
- LBS计算两坐标的距离
- 软件调试实战(软件调试权威指南)
- python计算手机销量年增长率_「净资产增长率」Python量化数据获取:总资产同比增长率与净资产同比增长率 - seo实验室...
- 慕课网付费视频 linux,分享给 Linux 用户的 10 有用工具
- Java基础知识(十) 多线程
- 【超分辨率】Zoom to Learn, Learn to Zoom