---

0531. 孤独像素 I

• 标签：数组、哈希表、矩阵
• 难度：中等

题目链接

• 0531. 孤独像素 I - 力扣

题目大意

描述：

给定一个由 'B' 和 'W' 组成的二维矩阵 $picture$，其中 'B' 表示黑色像素，'W' 表示白色像素。

如果一个黑色像素 'B' 满足以下条件，则称其为孤独像素：

• 它所在的行和列中，只有这一个黑色像素

要求：

返回图片中孤独像素的数量。

说明：

• $m == picture.length$。
• $n == picture[i].length$。
• $1 \le m, n \le 500$。
• $picture[i][j]$ 为 'W' 或 'B'。

示例：

• 示例 1：

输入：picture = [["W","W","B"],["W","B","W"],["B","W","W"]]
输出：3
解释：全部三个 'B' 都是黑色的孤独像素

• 示例 2：

输入：picture = [["B","B","B"],["B","B","W"],["B","B","B"]]
输出：0

解题思路

思路 1：统计行列黑色像素数量

先统计每一行和每一列中黑色像素的数量，然后遍历矩阵，对于每个黑色像素，检查其所在行和列的黑色像素数量是否都为 $1$。

解题步骤：

1. 统计每一行的黑色像素数量 $row\_count[i]$。
2. 统计每一列的黑色像素数量 $col\_count[j]$。
3. 遍历矩阵，对于 picture[i][j] == 'B'，如果 $row\_count[i] == 1$ 且 $col\_count[j] == 1$，则计数加 $1$。

思路 1：代码

class Solution:
    def findLonelyPixel(self, picture: List[List[str]]) -> int:
        if not picture or not picture[0]:
            return 0
        
        m, n = len(picture), len(picture[0])
        
        # 统计每行和每列的黑色像素数量
        row_count = [0] * m
        col_count = [0] * n
        
        for i in range(m):
            for j in range(n):
                if picture[i][j] == 'B':
                    row_count[i] += 1
                    col_count[j] += 1
        
        # 统计孤独像素
        lonely_count = 0
        for i in range(m):
            for j in range(n):
                if picture[i][j] == 'B' and row_count[i] == 1 and col_count[j] == 1:
                    lonely_count += 1
        
        return lonely_count

思路 1：复杂度分析

• 时间复杂度：$O(m \times n)$，其中 $m$ 和 $n$ 分别是矩阵的行数和列数。需要遍历矩阵两次。
• 空间复杂度：$O(m + n)$，需要存储每行和每列的黑色像素数量。