博客
关于我
LeetCode 48 旋转图像
阅读量:188 次
发布时间:2019-02-28

本文共 730 字,大约阅读时间需要 2 分钟。

为了将给定的n×n矩阵顺时针旋转90度,我们直接在输入矩阵上进行修改,而不使用额外的矩阵。通过遍历每个元素并计算其旋转后的新位置,我们可以实现旋转操作。

方法思路

顺时针旋转90度的变换可以通过以下方式计算每个元素的新位置:

  • 旋转后的新行索引为原列索引j
  • 旋转后的新列索引为n - 1 - i,其中i为原行索引。

我们遍历原矩阵的每个元素,使用上述公式计算其旋转后的新位置,并将该元素赋值给原矩阵中对应的新位置。

解决代码

public class Solution {    public void rotate(int[][] matrix) {        int n = matrix.length;        if (n == 0) return;        for (int i = 0; i < n; i++) {            for (int j = 0; j < n; j++) {                int newRow = j;                int newCol = n - 1 - i;                matrix[newRow][newCol] = matrix[i][j];            }        }    }}

代码解释

  • 获取矩阵大小:首先获取矩阵的大小n
  • 遍历矩阵元素:使用双重循环遍历矩阵中的每个元素。
  • 计算新位置:对于每个元素,计算其旋转后的新行和新列索引。
  • 赋值新位置:将原元素赋值给旋转后的新位置,直接修改输入矩阵。
  • 这种方法的时间复杂度为O(n²),空间复杂度为O(1),因为我们直接在原矩阵上进行修改,而没有使用额外的数据结构。

    转载地址:http://yhbn.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    Openlayers图文版实战,vue项目从0到1做基础配置
    查看>>
    Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
    查看>>
    Openlayers高级交互(16/20):两个多边形的交集、差集、并集处理
    查看>>
    Openlayers高级交互(17/20):通过坐标显示多边形,计算出最大幅宽
    查看>>
    Openlayers高级交互(19/20): 地图上点击某处,列表中显示对应位置
    查看>>
    openlayers:圆孔相机根据卫星经度、纬度、高度、半径比例推算绘制地面的拍摄的区域
    查看>>