https://www.luogu.com.cn/problem/P5490

题目描述

求 $n$ 个四边平行于坐标轴的矩形的面积并。

输入格式

第一行一个正整数 $n$。

接下来 $n$ 行每行四个非负整数 $x_1,y_1,x_2,y_2$，表示一个矩形的四个端点坐标为 $(x_1,y_1),(x_1,y_2),(x_2,y_2),(x_2,y_1)$。

输出格式

一行一个正整数，表示 $n$ 个矩形的并集覆盖的总面积。

输入输出样例 #1

输入 #1

2
100 100 200 200
150 150 250 255

输出 #1

18000

说明/提示

对于 $20\%$ 的数据，$1\le n\le 1000$。
对于 $100\%$ 的数据，$1\le n\le {10}^5$，$0\le x_1<x_2\le {10}^9$，$0\le y_1<y_2\le {10}^9$。

🚀 C++ 代码实现

#include <iostream>
#include <vector>
#include <algorithm>using namespace std;struct Event {int x, y1, y2, type; // x 坐标, y 起点, y 终点, type=1(加入), type=-1(删除)Event(int x, int y1, int y2, int type) : x(x), y1(y1), y2(y2), type(type) {}
};struct SegmentTree {// y 轴区间被覆盖次数机覆盖长度vector<int> cnt, len;// 存储离散化后的 y 坐标值，用于映射 y 轴上的真实值到线段树的索引vector<int> y_coords;SegmentTree(int size) {cnt.resize(size * 4);len.resize(size * 4);}void build(int l, int r, int idx) {cnt[idx] = len[idx] = 0;if (l + 1 == r) return;int mid = (l + r) / 2;build(l, mid, idx * 2);build(mid, r, idx * 2 + 1);}void update(int jobl, int jobr, int val, int l, int r, int idx) {if (jobl >= r || jobr <= l) return;if (jobl <= l && r <= jobr) {cnt[idx] += val;} else {int mid = (l + r) / 2;update(jobl, jobr, val, l, mid, idx * 2);update(jobl, jobr, val, mid, r, idx * 2 + 1);}// 计算当前区间的 y 方向被覆盖的长度if (cnt[idx] > 0) {len[idx] = y_coords[r] - y_coords[l];  // 计算该段区间长度} else {len[idx] = (l + 1 == r) ? 0 : (len[idx * 2] + len[idx * 2 + 1]);  // 合并子区间}}
};int main() {int n;cin >> n;vector<Event> events;vector<int> y_coords;// 读取矩形数据for (int i = 0; i < n; i++) {int x1, y1, x2, y2;cin >> x1 >> y1 >> x2 >> y2;events.emplace_back(x1, y1, y2, 1);  // 左边界events.emplace_back(x2, y1, y2, -1); // 右边界y_coords.push_back(y1);y_coords.push_back(y2);}// 对 y 坐标进行离散化sort(y_coords.begin(), y_coords.end());y_coords.erase(unique(y_coords.begin(), y_coords.end()), y_coords.end());// 给事件按照 x 轴排序sort(events.begin(), events.end(), [](const Event &a, const Event &b) {return a.x < b.x;});// 初始化线段树SegmentTree segTree(y_coords.size());segTree.y_coords = y_coords;segTree.build(0, y_coords.size() - 1, 1);long long area = 0;for (size_t i = 0; i < events.size() - 1; i++) {int x = events[i].x;int y1 = lower_bound(y_coords.begin(), y_coords.end(), events[i].y1) - y_coords.begin();int y2 = lower_bound(y_coords.begin(), y_coords.end(), events[i].y2) - y_coords.begin();segTree.update(y1, y2, events[i].type, 0, y_coords.size() - 1, 1);// 计算面积增量int dx = events[i + 1].x - x;area += 1LL * dx * segTree.len[1];  // 累加当前 x 范围的面积}cout << area << endl;return 0;
}

🌟 解法思路：扫描线 + 线段树

核心思想：

1. 转换为扫描线问题：

   • 把每个矩形拆成两条竖直边（左边界 + 右边界）。
   • 每条边记录 x 坐标、y 区间以及是左边界（加入）还是右边界（删除）。

2. 按 x 坐标排序：

   • 依次处理 x 变化的位置，维护 y 方向的覆盖情况。

3. 使用线段树维护 y 方向的覆盖长度：

   • 统计当前 x 坐标下 y 方向被覆盖的总长度。
   • 在 x 变化时，用 dx * covered_length 计算新增的面积。

📌 代码解析

1. 读取输入并创建事件

   • 每个矩形 (x1, y1, x2, y2) 被拆成两个事件：
     • 左边界：(x1, y1, y2, +1)
     • 右边界：(x2, y1, y2, -1)

2. 离散化 y 轴

   • y 轴可能范围很大，使用排序+去重将 y 压缩成 [0, m-1] 范围。

3. 排序事件

   • 按照 x 轴排序，保证扫描顺序是从左到右。

4. 扫描线遍历

   • 遍历 x 方向的边界事件，更新 y 方向的覆盖长度。
   • 计算当前 x 范围的面积增量 dx * covered_length。

5. 线段树维护 y 方向覆盖情况

   • update(y1, y2, type) 更新 cnt 计数。
   • len[1] 存储 y 方向被覆盖的总长度。

---

📊 复杂度分析

• 事件排序：$O(N\log N)$
• 线段树更新：$O(N\log N)$
• 总时间复杂度：$O(N\log N)$

---

✅ 适用场景

• 计算多个矩形的面积并
• 计算建筑投影面积
• 计算不规则区间合并

📌 该方法适用于 N ≤ 10^5 的情况，效率极高！🚀

---

在线段树的构建过程中，我们通常将一个区间 [l, r] 拆分，直到无法继续拆分为止。
在很多常见的线段树应用（如单点更新、区间查询）中，叶子节点往往是 l == r，但是在扫描线+线段树这种应用场景下，我们的离散化 y 坐标并不连续，因此叶子节点的定义有所不同，l + 1 == r 才是叶子节点，而不是 l == r。

---

🌟 为什么 l + 1 == r 才是叶子节点？

离散化的线段树是基于区间而不是单个点。

• 常规线段树（连续区间）：

  • 例如求区间最小值、区间和，通常是 l == r 作为叶子节点。
  • 但在这里，我们是计算“区间长度”，所以叶子节点应该是最小单位的区间 [y_coords[l], y_coords[r]]，而不是单个点。

• 离散化线段树（区间合并）：

  • 叶子节点应该是最小的 y 轴区间，而 l == r 只表示单个坐标，不是一个“区间”。
  • 当 l + 1 == r，意味着 y_coords[l] 到 y_coords[r] 之间已经没有更多的离散坐标，可以认为它们形成了最小单位的“区间”，无法再继续细分，因此它是叶子节点。

---

🔹 详细举例

1️⃣ 假设 y_coords = {2, 5, 10, 15}

离散化后的 y_coords 索引：

y 值	离散索引
2	0
5	1
10	2
15	3

表示的区间：

区间 [0,1] 表示 y = [2, 5]
区间 [1,2] 表示 y = [5, 10]
区间 [2,3] 表示 y = [10, 15]

---

2️⃣ 线段树的构造

构建线段树时，我们递归拆分区间 [0,3]：

          [0,3]/     \[0,2]   [2,3]/     \[0,1]   [1,2]

在这棵树中：

1. [0,1] 表示 [2,5]，是叶子节点（因为 0+1 == 1）
2. [1,2] 表示 [5,10]，是叶子节点（因为 1+1 == 2）
3. [2,3] 表示 [10,15]，是叶子节点（因为 2+1 == 3）

---

3️⃣ 为什么 l + 1 == r 作为叶子节点，而 l == r 不行？

如果 l == r 作为叶子节点，那就会出现 l = 0, r = 0 这种情况，这样的区间没有物理意义，因为：

• y_coords[0] = 2 只是一个点，并不能表示一个范围。
• 但 y_coords[0] 到 y_coords[1] ([2,5]) 形成了一个“区间”，才有意义。

所以，叶子节点的最小单位应该是 [y_coords[l], y_coords[r]]，而不是单个点。

---

✅ 结论

方式	叶子节点定义	适用情况	是否适用于扫描线+线段树
l == r	单个点	适用于连续值（如 RMQ、区间和）	❌ 不适用于离散区间
l + 1 == r	一个离散区间	适用于离散化的线段树（扫描线）	✅ 适用

---

📌 代码示例

if (l + 1 == r) { // 叶子节点len[idx] = 0;  // 初始状态下没有被覆盖
} else { // 非叶子节点，合并左右子树len[idx] = len[idx * 2] + len[idx * 2 + 1];
}

---

🎯 总结

• 线段树的叶子节点是最小单位的“区间”而不是单点，所以 l + 1 == r 作为叶子节点。
• 常规线段树 l == r 适用于单点查询，但扫描线 + 线段树需要处理区间，所以 l + 1 == r 作为叶子节点。
• 这样，我们才能用 y_coords[r] - y_coords[l] 计算被覆盖的区间长度，否则 l == r 没有意义。

🚀 这样就能理解为什么 l + 1 == r 是叶子节点，而 l == r 不行了！

扫描线相关练习题目

• 218. 天际线问题
• P1904 天际线