包含整数的二维矩阵 M 表示一个图片的灰度。你需要设计一个平滑器来让每一个单元的灰度成为平均灰度 (向下舍入) ，平均灰度的计算是周围的8个单元和它本身的值求平均，如果周围的单元格不足八个，则尽可能多的利用它们。

示例 1:

输入:
[[1,1,1],
 [1,0,1],
 [1,1,1]]
输出:
[[0, 0, 0],
 [0, 0, 0],
 [0, 0, 0]]
解释:
对于点 (0,0), (0,2), (2,0), (2,2): 平均(3/4) = 平均(0.75) = 0
对于点 (0,1), (1,0), (1,2), (2,1): 平均(5/6) = 平均(0.83333333) = 0
对于点 (1,1): 平均(8/9) = 平均(0.88888889) = 0

注意:

1. 给定矩阵中的整数范围为 [0, 255]。
2. 矩阵的长和宽的范围均为 [1, 150]。

Solution

@天大狂徒 —— 利用深度学习中 padding 和卷积的思路

• 对二维数组周围扩充一圈，默认值为 0.1（只要不为[0, 255]之内的整数即可）
• 利用 3*3 的卷积核思想，获得这个核内9个元素，如果不为 0.1，则累加，并且计数加1。

# @lc code=start
class Solution:
    def imageSmoother(self, M: List[List[int]]) -> List[List[int]]:
        m = len(M[0])
        N = [[0.1] + i + [0.1] for i in M]
        N = [[0.1] * (m + 2)] + N + [[0.1] * (m + 2)]
        for i in range(1, len(N)-1):
            for j in range(1, len(N[0])-1):
                total = [N[i-1][j-1],N[i-1][j],N[i-1][j+1],
                         N[i][j-1],N[i][j],N[i][j+1],
                         N[i+1][j-1],N[i+1][j],N[i+1][j+1]]
                sums, cnt = 0,0
                for _ in total:
                    if _ != 0.1:
                        sums += _
                        cnt += 1
                M[i-1][j-1] = int(sums / cnt)       
        return M             

# @lc code=end