- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章opencv实现图形轮廓检测由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
要想实现轮廓检测,首先我们需要对待检测的图像进行图像处理:
图像灰度化、高斯滤波、Canny 边缘检测、边缘检测放大处理、提取轮廓.
即只要将drawContours第三个参数设置为-1 既能实现图像的全图型检测.
程序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using
namespace
std;
using
namespace
cv;
/*要进行图像形貌检测之前
*首先要二值化,再进行滤波处理,再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void
getContours(Mat imgDil,Mat& img);
int
main()
{
string path =
"resources/shapes.png"
;
// 导入图形的时候,先要在右边点击显示所有文件!!!
Mat img = imread(path);
// 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0);
// 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);
// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
// 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img);
// 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数
imshow(
"Image"
, img);
waitKey(0);
// 延时,0即相当于无穷大
}
void
getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
drawContours(img, contours, -1, Scalar(255,0,255),2);
// contouridx = -1 代表需要绘制所检测的所有轮廓
}
|
运行结果:
细心的读者会发现,该程序还将微小的瑕疵检测到了.
去除瑕疵的方法很简单,即先检测所有图形的面积,发现图形中的最小面积,即为瑕疵面积(假设我们已知该瑕疵面积<1000),之后使用if进行面积过滤.
程序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using
namespace
std;
using
namespace
cv;
/*要进行图像形貌检测之前
*首先要二值化,再进行滤波处理,再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void
getContours(Mat imgDil,Mat& img);
int
main()
{
string path =
"resources/shapes.png"
;
// 导入图形的时候,先要在右边点击显示所有文件!!!
Mat img = imread(path);
// 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0);
// 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);
// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
// 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img);
// 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数
imshow(
"Image"
, img);
waitKey(0);
// 延时,0即相当于无穷大
}
void
getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
drawContours(img, contours, -1, Scalar(255,0,255),2);
// contouridx = -1 代表需要绘制所检测的所有轮廓
for
(
int
i = 0;i <contours.size();i++)
{
int
area = contourArea(contours[i]) ;
// 计算轮廓面积函数
if
(area > 1000)
{
drawContours(img,contours,i,Scalar(255, 0, 255), 2);
}
}
}
|
运行结果:
可见我们已经成功将瑕疵滤除.
判断轮廓之前,我们先要将图形的拐角点计算出来,如三角形有三个拐角点,矩形有四个拐角点,圆形有多个拐角点,所以如何得到拐角点是我们检测轮廓形状的前提。检测拐角的核心函数为approxPolyDP(contours[i],conpoly[i],0.02* peri,true);即多边形拟合函数.
程序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
|
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using
namespace
std;
using
namespace
cv;
/*要进行图像形貌检测之前
*首先要二值化,再进行滤波处理,再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void
getContours(Mat imgDil,Mat& img);
int
main()
{
string path =
"resources/shapes.png"
;
// 导入图形的时候,先要在右边点击显示所有文件!!!
Mat img = imread(path);
// 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0);
// 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);
// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
// 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img);
// 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数
imshow(
"Image"
, img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因
waitKey(0);
// 延时,0即相当于无穷大
}
// 因为一开始参数不同,所以电脑直接将其视为重载函数
void
getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());
// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());
// Rect 类中x y 函数描述的是图形左上角的坐标
string objType;
// 记录物体形状
// 为了滤除微小噪声,因此计算area 的面积
for
(
int
i = 0; i < contours.size(); i++)
// 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int
area = contourArea(contours[i]);
if
(area > 1000)
{
float
peri = arcLength(contours[i],
true
);
// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,
true
);
// conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合
cout << conpoly[i].size() << endl;
// 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]);
// 针对conpoly[i] 进行boundingRect 以
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
|
运行结果:
当检测出所有图形都应具有拐角点数之后,在加个if 判断图形的点数,之后通过puttext函数去显示,图形的形状.
程序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
|
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using
namespace
std;
using
namespace
cv;
/*要进行图像形貌检测之前
*首先要二值化,再进行滤波处理,再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void
getContours(Mat imgDil,Mat& img);
int
main()
{
string path =
"resources/shapes.png"
;
// 导入图形的时候,先要在右边点击显示所有文件!!!
Mat img = imread(path);
// 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0);
// 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);
// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
// 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img);
// 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数
imshow(
"Image"
, img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因
waitKey(0);
// 延时,0即相当于无穷大
}
// 因为一开始参数不同,所以电脑直接将其视为重载函数
void
getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());
// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());
// Rect 类中x y 函数描述的是图形左上角的坐标
string objType;
// 记录物体形状
// 为了滤除微小噪声,因此计算area 的面积
for
(
int
i = 0; i < contours.size(); i++)
// 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int
area = contourArea(contours[i]);
if
(area > 1000)
{
float
peri = arcLength(contours[i],
true
);
// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,
true
);
// conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
cout << conpoly[i].size() << endl;
// 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]);
// 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int
objCor = (
int
)conpoly[i].size();
// 计算物体边角数
if
(3 == objCor) objType =
"Triangle"
;
else
if
(4 == objCor)
{
// 计算float对象,一定要记得使用 float 强转符号
float
aspRatio = (
float
)boundRect[i].width/(
float
)boundRect[i].height;
if
(aspRatio<1.05 && aspRatio>0.95)
objType =
"Square"
;
else
objType =
"Rectangle"
;
}
else
if
(objCor > 4) objType =
"Circle"
;
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
|
运行结果:
核心函数,使用rectangle()进行矩形绘画.
程序:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
|
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using
namespace
std;
using
namespace
cv;
/*要进行图像形貌检测之前
*首先要二值化,再进行滤波处理,再进行Canny边缘检测
*最后才能检测出图形轮廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void
getContours(Mat imgDil,Mat& img);
int
main()
{
string path =
"resources/shapes.png"
;
// 导入图形的时候,先要在右边点击显示所有文件!!!
Mat img = imread(path);
// 在opencv 中所有的图像信息都使用Mat
// pre-processing image 图像预处理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0);
// 高斯滤波
Canny(imgBlur, imgCanny, 25, 75);
// Canny 边缘检测
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
// 其中 Size 和 边缘检测的放大倍数有关系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img);
// 第一个参数 是寻找轮廓的参数, 第二个参数是显示图案的参数
imshow(
"Image"
, img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测,这也是为什么大佬热衷于dilation的原因
waitKey(0);
// 延时,0即相当于无穷大
}
// 因为一开始参数不同,所以电脑直接将其视为重载函数
void
getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
// Vec4i 即代表该向量内有4个 int 变量typedef Vec<int, 4> Vec4i; 这四个向量每一层级代表一个轮廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
vector<vector<Point>> conpoly(contours.size());
// conpoly(paprameter1) ,paprameter1便代表vector对象的行数,而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
vector<Rect> boundRect(contours.size());
// 记录各图形的拟合矩形
string objType;
// 记录物体形状
// 为了滤除微小噪声,因此计算area 的面积
for
(
int
i = 0; i < contours.size(); i++)
// 关于contours.size()为什么是返回二维数组的行,因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
{
int
area = contourArea(contours[i]);
if
(area > 1000)
{
float
peri = arcLength(contours[i],
true
);
// 该函数计算轮廓的长度,后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
//寻找角点
// conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
approxPolyDP(contours[i],conpoly[i],0.02* peri,
true
);
// conpoly[i]是输出array 0.02*peri 这个参数理解不了就不要理解!!! 最后一个参数仍然是询问是否闭合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
cout << conpoly[i].size() << endl;
// 输出图像轮廓中的拐角点
boundRect[i] = boundingRect(conpoly[i]);
// 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int
objCor = (
int
)conpoly[i].size();
// 计算物体边角数
if
(3 == objCor) objType =
"Triangle"
;
else
if
(4 == objCor)
{
// 计算float对象,一定要记得使用 float 强转符号
float
aspRatio = (
float
)boundRect[i].width/(
float
)boundRect[i].height;
if
(aspRatio<1.05 && aspRatio>0.95)
objType =
"Square"
;
else
objType =
"Rectangle"
;
}
else
if
(objCor > 4) objType =
"Circle"
;
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
|
运行结果:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家.
原文链接:https://blog.csdn.net/qq_42138448/article/details/115692013 。
最后此篇关于opencv实现图形轮廓检测的文章就讲到这里了,如果你想了解更多关于opencv实现图形轮廓检测的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
背景: 我最近一直在使用 JPA,我为相当大的关系数据库项目生成持久层的轻松程度给我留下了深刻的印象。 我们公司使用大量非 SQL 数据库,特别是面向列的数据库。我对可能对这些数据库使用 JPA 有一
我已经在我的 maven pom 中添加了这些构建配置,因为我希望将 Apache Solr 依赖项与 Jar 捆绑在一起。否则我得到了 SolarServerException: ClassNotF
interface ITurtle { void Fight(); void EatPizza(); } interface ILeonardo : ITurtle {
我希望可用于 Java 的对象/关系映射 (ORM) 工具之一能够满足这些要求: 使用 JPA 或 native SQL 查询获取大量行并将其作为实体对象返回。 允许在行(实体)中进行迭代,并在对当前
好像没有,因为我有实现From for 的代码, 我可以转换 A到 B与 .into() , 但同样的事情不适用于 Vec .into()一个Vec . 要么我搞砸了阻止实现派生的事情,要么这不应该发
在 C# 中,如果 A 实现 IX 并且 B 继承自 A ,是否必然遵循 B 实现 IX?如果是,是因为 LSP 吗?之间有什么区别吗: 1. Interface IX; Class A : IX;
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持,但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the
我正在阅读标准haskell库的(^)的实现代码: (^) :: (Num a, Integral b) => a -> b -> a x0 ^ y0 | y0 a -> b ->a expo x0
我将把国际象棋游戏表示为 C++ 结构。我认为,最好的选择是树结构(因为在每个深度我们都有几个可能的移动)。 这是一个好的方法吗? struct TreeElement{ SomeMoveType
我正在为用户名数据库实现字符串匹配算法。我的方法采用现有的用户名数据库和用户想要的新用户名,然后检查用户名是否已被占用。如果采用该方法,则该方法应该返回带有数据库中未采用的数字的用户名。 例子: “贾
我正在尝试实现 Breadth-first search algorithm , 为了找到两个顶点之间的最短距离。我开发了一个 Queue 对象来保存和检索对象,并且我有一个二维数组来保存两个给定顶点
我目前正在 ika 中开发我的 Python 游戏,它使用 python 2.5 我决定为 AI 使用 A* 寻路。然而,我发现它对我的需要来说太慢了(3-4 个敌人可能会落后于游戏,但我想供应 4-
我正在寻找 Kademlia 的开源实现C/C++ 中的分布式哈希表。它必须是轻量级和跨平台的(win/linux/mac)。 它必须能够将信息发布到 DHT 并检索它。 最佳答案 OpenDHT是
我在一本书中读到这一行:-“当我们要求 C++ 实现运行程序时,它会通过调用此函数来实现。” 而且我想知道“C++ 实现”是什么意思或具体是什么。帮忙!? 最佳答案 “C++ 实现”是指编译器加上链接
我正在尝试使用分支定界的 C++ 实现这个背包问题。此网站上有一个 Java 版本:Implementing branch and bound for knapsack 我试图让我的 C++ 版本打印
在很多情况下,我需要在 C# 中访问合适的哈希算法,从重写 GetHashCode 到对数据执行快速比较/查找。 我发现 FNV 哈希是一种非常简单/好/快速的哈希算法。但是,我从未见过 C# 实现的
目录 LRU缓存替换策略 核心思想 不适用场景 算法基本实现 算法优化
1. 绪论 在前面文章中提到 空间直角坐标系相互转换 ,测绘坐标转换时,一般涉及到的情况是:两个直角坐标系的小角度转换。这个就是我们经常在测绘数据处理中,WGS-84坐标系、54北京坐标系
在软件开发过程中,有时候我们需要定时地检查数据库中的数据,并在发现新增数据时触发一个动作。为了实现这个需求,我们在 .Net 7 下进行一次简单的演示. PeriodicTimer .
二分查找 二分查找算法,说白了就是在有序的数组里面给予一个存在数组里面的值key,然后将其先和数组中间的比较,如果key大于中间值,进行下一次mid后面的比较,直到找到相等的,就可以得到它的位置。
我是一名优秀的程序员,十分优秀!