在「b458: 非黑即白」當中，題目直接給定臨界值。能不能寫程式自動找到臨界值呢？答案是肯定的！
理想的臨界值，把直方圖切成左右兩側，左側盡量集中、右側盡量集中。外觀有如兩座山峰。
統計學裡面，集中、分散的重要指標，叫做變異數。變異數是「數值與平均數的差平方」的平均數。平均數是數值總和除以數值數量。
理想的臨界值，以統計學的術語重新描述：左側變異數、右側變異數，兩者的加權平均數，越小越好。權重是左側、右側的出現次數總和。
左右兩側各自集中，相對來說，就是左右兩側跨距明顯。依此想法，方才的數學式子，經過嚴謹的推導，可以重新改寫成兩者的平均數的差平方，乘上加權，越大越好。
現在請你依照前人推導出來的數學結果，寫程式自動找到臨界值，並且令圖片二值化。
臨界值是整數。窮舉各種臨界值，從中找到最好的臨界值。如果最好的臨界值有許多個，那麼請找到最小的臨界值。最極端的例子是整張圖片只有一個像素，此時該像素直接變成白色。
本題的亮度定義成 (R+G+B)/3。計算直方圖，亮度需四捨五入；計算變異數、平均數、二值化，亮度不需四捨五入。
一張圖片：兩個整數 W H (1 <= W, H <= 256)，是圖片的寬和高；接下來的 H 行，每行有 W*3 個整數，是每個像素的 RGB 值 (0 <= R, G, B <= 255)。
請輸出處理過的圖片。
1 2 128 128 128 127 127 127
1 2 255 255 255 0 0 0
公開 測資點#0 (16%): 1.0s , <1K
公開 測資點#1 (16%): 1.0s , <1K
公開 測資點#2 (16%): 1.0s , <1M
公開 測資點#3 (16%): 1.0s , <1M
公開 測資點#4 (16%): 1.0s , <1M
公開 測資點#5 (20%): 1.0s , <1M
1. 如果不熟悉直方圖，可以先試試看「b459: 圖片的直方圖」。
2. 學術上，此問題稱作 Image Thresholding，此演算法稱作 Otsu's method。
3. threshold value，中文翻譯成「門檻值」、「閾值」、「臨界值」。另外還有個積非成是的「閥值」。
4. 下面左圖是環形漸層顏色，右圖是使用本題的演算法實施二值化，結果卻莫名其妙多了一條線。你能解釋原因嗎？
| 編號 | 身分 | 題目 | 主題 | 人氣 | 發表日期 |
|
沒有發現任何「解題報告」
|
|||||