java基础九(方法引用)

博客介绍了引用操作最初针对类、接口、数组等引用类型,现在追加了方法引用,其形式有引用静态方法、引用某个对象的方法、引用某个特定类的方法、引用构造方法四类,并给出了String中valueOf()方法等范例,还指出代码存在不好读且混乱的问题。
  1. 从最初的开始基本上进行的引用基本上都是针对引用类型完成的,也就是说只有类、接口、数组具备引用的操作。现在追加了方法的引用。实际上就是为了别名。
    方法的引用形式有四类:
    a).引用静态方法:类名称 :: static方法名称(静态方法名称)
    b).引用某个对象的方法:实例化对象 :: 普通方法
    c).引用某个特定类的方法:类名称 :: 普通方法
    d).引用构造方法: 类名称 ::new
    范例:
    String 中的valueOf() 这个方法就是静态调用的。
    1.引用静态方法范例:
interface IMessage1<P,R> {
   public R zhuanhuan(P p);
}
public class test {

    public static void main(String [] args) {
        IMessage1<Integer,String> im = String ::valueOf;
        String test = im.zhuanhuan(100);
        System.out.println(test.length());
    }
}

2.引用对象的某个方法

interface IMessage1<R> {
   public R zhuanhuan();
}
public class test {

    public static void main(String [] args) {
        IMessage1<String> im = "hello" :: toUpperCase;
        String test = im.zhuanhuan();
        System.out.println(test);
    }
}

3.引用特定类的方法

@FunctionalInterface
interface IMessage1<R,P> {
   public R compare(P a, P b);
}
public class test {

    public static void main(String [] args) {
        IMessage1<Integer,String> im = String :: compareTo;
        Integer test = im.compare("H","h");
        System.out.println(test);
    }
}

4.引用构造方法

@FunctionalInterface
interface IMessage1<R,FP,SP> {
   public R compare(FP a, SP b);
}
class Person {
    private String name;
    private int age;

    public Person(String name, int age) {
        this.name = name;
        this.age = age;
    }

    @Override
    public String toString() {
        return name + ":" + age;
    }
}
public class test {

    public static void main(String [] args) {
        IMessage1<Person, String, Integer> im = Person :: new;
        System.out.println(im.compare("zhangsan",20));
    }
}

这种代码不好读 还混乱。

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值