C++判断Vector里存在的峰值个数

峰值是指一个元素大于其相邻元素，可以采用遍历一遍vector，判断当前元素是否大于前后相邻元素来实现。

以下是示例代码：

#include <iostream>
#include <vector>

using namespace std;

int peakCount(vector<int> arr) {
    int count = 0;
    for(int i = 1; i < arr.size() - 1; i++) {
        if(arr[i] > arr[i-1] && arr[i] > arr[i+1]) {
            count++;
        }
    }
    return count;
}

int main() {
    vector<int> arr = {1, 2, 3, 4, 3, 2, 1};
    int count = peakCount(arr);
    cout << "The number of peaks in the vector is: " << count << endl;
    return 0;
}

输出结果为：

The number of peaks in the vector is: 2

相关问题

opencv 直方图峰值 C++

OpenCV是一个开源计算机视觉库，它提供了一套完整的工具集来进行图像处理和分析。直方图（Histogram）是描述图像像素强度分布的一种图形表示，每个像素值对应于直方图中的一个条形，高度表示该像素值的数量。

在C++中，OpenCV提供了`cv::Mat`类型的直方图函数`calcHist()`，用于计算图像的灰度或彩色直方图。如果你想要找到峰值（即频率最高的像素值），可以按照以下步骤操作：

1. 首先，读取图像并将其转换为灰度图像（如果需要）。

cv::Mat src = cv::imread("image.jpg");
cv::Mat gray;
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);

2. 计算直方图。

std::vector<cv::Mat> channels(1, gray); // 如果是彩色图片则传入三个通道
cv::Mat hist;
cv::calcHist(channels.begin(), channels.size(), NULL, hist, cv::Mat(), {0}, cv::Range(0, 256));

3. 找到峰值（这里通常通过遍历直方图数组，找出最大值的位置）。

int peakValue, maxIndex;
double maxValue = *hist.at<double>(0).maxCoeff(&peakValue, &maxIndex);

4. 输出或进一步分析峰值值及其对应的像素值范围。

请注意，这只是一个基本示例，实际应用中可能还需要对平滑、阈值等预处理步骤进行调整，并确保正确选择直方图的通道。

一个100*100的网格，里面包含随机0-100数字，设计一个算法，找到所有峰值，并输出网格下标C++

好的，下面是一个C++实现的分治算法，用于在一个100*100的网格中找到所有峰值，并输出网格下标：

#include <iostream>
#include <vector>
using namespace std;

void find_peak(vector<vector<int>>& matrix, int start_col, int end_col, int row, vector<pair<int, int>>& result) {
    int mid_col = (start_col + end_col) / 2;
    int max_row = row;
    int max_val = matrix[row][mid_col];
    for (int i = 0; i < matrix.size(); i++) {
        if (matrix[i][mid_col] > max_val) {
            max_val = matrix[i][mid_col];
            max_row = i;
        }
    }
    if ((mid_col == start_col || matrix[max_row][mid_col-1] <= max_val) && (mid_col == end_col || matrix[max_row][mid_col+1] <= max_val)) {
        result.push_back(make_pair(max_row, mid_col));
    } else if (mid_col > start_col && matrix[max_row][mid_col-1] > max_val) {
        find_peak(matrix, start_col, mid_col-1, max_row, result);
    }
    if (mid_col < end_col && matrix[max_row][mid_col+1] > max_val) {
        find_peak(matrix, mid_col+1, end_col, max_row, result);
    }
}

vector<pair<int, int>> find_all_peaks(vector<vector<int>>& matrix) {
    vector<pair<int, int>> result;
    find_peak(matrix, 0, matrix[0].size()-1, 0, result);
    return result;
}

int main() {
    vector<vector<int>> matrix(100, vector<int>(100));
    for (int i = 0; i < 100; i++) {
        for (int j = 0; j < 100; j++) {
            matrix[i][j] = rand() % 101;
        }
    }
    vector<pair<int, int>> result = find_all_peaks(matrix);
    for (int i = 0; i < result.size(); i++) {
        cout << "Peak found at (" << result[i].first << ", " << result[i].second << ")" << endl;
    }
    return 0;
}

这个算法的时间复杂度也是O(m log n)，其中m是矩阵的行数，n是矩阵的列数。