题目 孤独像素
给定一幅黑白像素组成的图像, 计算黑色孤独像素的数量。
图像由一个由‘B’和‘W’组成二维字符数组表示, ‘B’和‘W’分别代表黑色像素和白色像素。
黑色孤独像素指的是在同一行和同一列不存在其他黑色像素的黑色像素。
示例:
输入:
[[‘W’, ‘W’, ‘B’],
[‘W’, ‘B’, ‘W’],
[‘B’, ‘W’, ‘W’]]
输出: 3
解析: 全部三个’B’都是黑色孤独像素。
注意:
输入二维数组行和列的范围是 [1,500]。
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/lonely-pixel-i
思路
看到题目思考以后会发现这个题其实是一道“去重”的题目。也就是说我们可以考虑记录下来所有数组中“B”像素的横纵坐标，对于横坐标重复出现或者纵坐标重复出现的进行去重，剩下的就是黑色孤独像素了。
而且根据黑色孤独像素的定义，最多数量只有min(row, column)。 所以空间复杂度基本可算O(1)，就看时间方面如何优化了。
代码实现
（神奇的发现这段代码居然会出现-1的结果，因此最后返回了answer和0的最大值来避免出现负数结果的情况）
class Solution {
public:
int findLonelyPixel(vector<vector<char>>& picture) {
vector<int> row(picture.size(), 0);
vector<int> column(picture[0].size(), 0);
int answer = 0;
for (int i = 0; i < picture.size(); i++) {
for (int j = 0; j < picture[0].size(); j++) {
if (picture[i][j] == 'B') {
if (!row[i] && !column[j]) {
row[i] = 1;
column[j] = 1;
answer++;
}
else if (row[i] == 1 || column[j] == 1) {
answer--;
row[i] = -1;
column[j] = -1;
}
}
}
}
return max(answer, 0);
}
};