求解所有大小为 K 的方形子矩阵的最小元素

在编写程序时，经常会遇到需要统计矩阵中各种信息的情况，其中，求解矩阵中所有大小为 K 的方形子矩阵的最小元素是一个常见的问题。

为了解决这个问题，我们可以通过遍历矩阵的方式，检查矩阵中所有大小为 K 的子矩阵，然后找到其中的最小元素。具体实现可以使用两重循环，分别遍历矩阵的行和列，每次移动 K 个步长，对当前的 K*K 子矩阵进行检查。时间复杂度为 O(n^3)，其中 n 是矩阵的维度。

代码如下：

def min_submatrix(matrix, k):
    min_values = []
    for i in range(len(matrix) - k + 1):
        min_row_values = []
        for j in range(len(matrix[0]) - k + 1):
            submatrix = [row[j:j+k] for row in matrix[i:i+k]]
            min_row_values.append(min([min(row) for row in submatrix]))
        min_values.extend(min_row_values)
    return min_values

上述代码中，函数 min_submatrix 接收两个参数，分别为待处理的矩阵和子矩阵的大小 K。函数通过遍历矩阵的方式，计算每个大小为 K 的子矩阵中的最小元素，并将其存储在列表 min_values 中。最终，函数返回了包含所有子矩阵的最小元素的列表。

为了方便测试，我们可以使用以下的示例数据：

matrix = [
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
]
k = 2
print(min_submatrix(matrix, k)) # [1, 2, 5, 6, 9, 10, 13, 14]

上述代码会输出包含所有子矩阵的最小元素的列表，结果为 [1, 2, 5, 6, 9, 10, 13, 14]。

综上所述，求解所有大小为 K 的方形子矩阵的最小元素是一个常见的问题，在实际编程中需要注意时间复杂度和代码实现的准确性。