顿顿在学习了数字图像处理后，想要对手上的一副灰度图像进行降噪处理。
不过该图像仅在较暗区域有很多噪点，如果贸然对全图进行降噪，会在抹去噪点的同时也模糊了原有图像。
因此顿顿打算先使用邻域均值来判断一个像素是否处于较暗区域，然后仅对处于较暗区域的像素进行降噪处理。
待处理的灰度图像长宽皆为 n 个像素，可以表示为一个 n×n 大小的矩阵 A，其中每个元素是一个 [0,L) 范围内的整数，表示对应位置像素的灰度值。
对于矩阵中任意一个元素 Aij（0≤i,j<n），其邻域定义为附近若干元素的集和：
Neighbor(i,j,r)={Axy|0≤x,y<n and |x−i|≤r and |y−j|≤r}
这里使用了一个额外的参数 r来指明 Aij 附近元素的具体范围。
根据定义，易知Neighbor(i,j,r) 最多有 (2r+1)2 个元素。
如果元素 Aij 邻域中所有元素的平均值小于或等于一个给定的阈值 t，我们就认为该元素对应位置的像素处于较暗区域。
下图给出了两个例子，左侧图像的较暗区域在右侧图像中展示为黑色，其余区域展示为白色。
现给定邻域参数 r 和阈值 t，试统计输入灰度图像中有多少像素处于较暗区域。
输入格式
输入共 n+1 行。
输入的第一行包含四个用空格分隔的正整数 n、L、r 和 t，含义如前文所述。
第二到第 n+1 行输入矩阵 A。第 i+2（0≤i<n）行包含用空格分隔的 n 个整数，依次为 Ai0,Ai1,⋯,Ai(n−1)。
输出格式
输出一个整数，表示输入灰度图像中处于较暗区域的像素总数。
数据范围
70%70% 的测试数据满足 n≤100、r≤10r。
全部的测试数据满足 0<n≤600、0<r≤100 且 2≤t<L≤256。
输入样例1：
4 16 1 6
0 1 2 3
4 5 6 7
8 9 10 11
12 13 14 15
输出样例1：
7
输入样例2：
11 8 2 2
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0 7 0 0 0 7 0 0 7 7 0
7 0 7 0 7 0 7 0 7 0 7
7 0 0 0 7 0 0 0 7 0 7
7 0 0 0 0 7 0 0 7 7 0
7 0 0 0 0 0 7 0 7 0 0
7 0 7 0 7 0 7 0 7 0 0
0 7 0 0 0 7 0 0 7 0 0
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
输出样例2：
83题解：
读完题目，易知如果直接遍历二维数组再遍历rr，肯定会超时，所以就使用二维前缀和，来计算方格的和来降低时间复杂度。
二维前缀和：
代码：
#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
#include<iomanip>
#include<queue>
#include<stack>
#include<vector>
#include<unordered_set>
#include<unordered_map>
#include<map>
#include<set>
using namespace std;
typedef long long int ll;
int n=0,L=0,r=0,t=0,x=0;
int i,j;
int sum=0;
vector<vector<int>> num(605,vector<int>(605,0));
void solution(int x,int y){
int i,j;
int s,m;
int t1=0,t2=0,t3=0,t4=0;
t1=max(1,x-r);
t2=max(1,y-r);
t3=min(n,x+r);
t4=min(n,y+r);
s=num[t3][t4]-num[t1-1][t4]-num[t3][t2-1]+num[t1-1][t2-1];
m=(t4-t2+1)*(t3-t1+1);
if(s<=t*m){
sum++;
}
}
main(){
cin >> n >> L >> r >> t;
for(i=1;i<=n;i++){
for(j=1;j<=n;j++){
cin >> x;
num[i][j]=num[i-1][j]+num[i][j-1]-num[i-1][j-1]+x;
}
}
for(i=1;i<=n;i++){
for(j=1;j<=n;j++){
solution(i,j);
}
}
cout << sum << "\n";
}