题目

图像平滑器 是大小为 3 x 3 的过滤器，用于对图像的每个单元格平滑处理，平滑处理后单元格的值为该单元格的平均灰度。

每个单元格的  平均灰度 定义为：该单元格自身及其周围的 8 个单元格的平均值，结果需向下取整。（即，需要计算蓝色平滑器中 9 个单元格的平均值）。

如果一个单元格周围存在单元格缺失的情况，则计算平均灰度时不考虑缺失的单元格（即，需要计算红色平滑器中 4 个单元格的平均值）。

给你一个表示图像灰度的 m x n 整数矩阵 img ，返回对图像的每个单元格平滑处理后的图像 。

示例 1:

输入:img = [[1,1,1],[1,0,1],[1,1,1]]
输出:[[0, 0, 0],[0, 0, 0], [0, 0, 0]]
解释:
对于点 (0,0), (0,2), (2,0), (2,2): 平均(3/4) = 平均(0.75) = 0
对于点 (0,1), (1,0), (1,2), (2,1): 平均(5/6) = 平均(0.83333333) = 0
对于点 (1,1): 平均(8/9) = 平均(0.88888889) = 0

示例 2:

输入: img = [[100,200,100],[200,50,200],[100,200,100]]
输出: [[137,141,137],[141,138,141],[137,141,137]]
解释:
对于点 (0,0), (0,2), (2,0), (2,2): floor((100+200+200+50)/4) = floor(137.5) = 137
对于点 (0,1), (1,0), (1,2), (2,1): floor((200+200+50+200+100+100)/6) = floor(141.666667) = 141
对于点 (1,1): floor((50+200+200+200+200+100+100+100+100)/9) = floor(138.888889) = 138

提示:

• m == img.length
• n == img[i].length
• 1 <= m, n <= 200
• 0 <= img[i][j] <= 255

思路

判断边界

解法

class Solution {
    public int[][] imageSmoother(int[][] M) {
        int l1=M.length,l2=M[0].length;
        int[][] r=new int[l1][l2];
        for(int i=0;i<l1;i++)
            for(int j=0;j<l2;j++){
                int sum=M[i][j];
                int num=1;
                if(i>0 && j>0)
                    {sum+=M[i-1][j-1];num++;}
                if(i>0)
                    {sum+=M[i-1][j];num++;}
                if(i>0 && j<l2-1)
                    {sum+=M[i-1][j+1];num++;}
                if(j>0)
                    {sum+=M[i][j-1];num++;}
                if(j<l2-1)
                    {sum+=M[i][j+1];num++;}
                if(i<l1-1 && j>0)
                    {sum+=M[i+1][j-1];num++;}
                if(i<l1-1)
                    {sum+=M[i+1][j];num++;}
                if(i<l1-1 && j<l2-1)
                    {sum+=M[i+1][j+1];num++;}
                r[i][j]=sum/num;                
            }
        return r;
    }
}

总结

• 分析出几种情况，然后分别对各个情况实现