C++ 实现图片平滑器及矩阵reshape
平滑器在图像处理领域应用较为广泛，可以用来进行去躁操作，灰度值平滑等。其衍生出来的思想还用于卷积神经网络中的卷积核，实现特征的提取和数据的降维。下面是leetcode 661 图片平滑器：
leetcode 661 图片平滑器
包含整数的二维矩阵 M 表示一个图片的灰度。你需要设计一个平滑器来让每一个单元的灰度成为平均灰度 (向下舍入) ，平均灰度的计算是周围的8个单元和它本身的值求平均，如果周围的单元格不足八个，则尽可能多的利用它们。
示例 1:
输入:
[[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需要注意的是求每个像素周围点的值时，需要判断数组是否越界，这里采用行列遍历的同时进行加减操作来判断是否发生数组越界。
class Solution {
public:
vector> imageSmoother(vector>& M) {
int m=M.size(); //行数
int n=M[0].size(); //列数
vector> res(m,vector(n));
int temp;
int count;
int row,col;
for(int i=0;i=0 && row=0 && col leetcdoe 566 重塑矩阵
在MATLAB中，有一个非常有用的函数 reshape，它可以将一个矩阵重塑为另一个大小不同的新矩阵，但保留其原始数据。
给出一个由二维数组表示的矩阵，以及两个正整数r和c，分别表示想要的重构的矩阵的行数和列数。
重构后的矩阵需要将原始矩阵的所有元素以相同的行遍历顺序填充。
如果具有给定参数的reshape操作是可行且合理的，则输出新的重塑矩阵；否则，输出原始矩阵。
示例 1:
输入: nums = [[1,2], [3,4]] r = 1, c = 4 输出: [[1,2,3,4]] 解释: 行遍历nums的结果是 [1,2,3,4]。新的矩阵是 1 * 4 矩阵, 用之前的元素值一行一行填充新矩阵。
示例 2:
输入: nums = [[1,2], [3,4]] r = 2, c = 4 输出: [[1,2], [3,4]] 解释: 没有办法将 2 * 2 矩阵转化为 2 * 4 矩阵。 所以输出原矩阵。
这里注意通过巧妙的取余以及索引操作精简了代码。
class Solution {
public:
vector> matrixReshape(vector>& nums, int r, int c) {
int a=nums.size(),b=nums[0].size();
if(a*b!=r*c){
return nums;
}
vector> res(r,vector(c));
for(int i=0;i