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 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    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>>