cv-qualified and cv-unqualified

最新推荐文章于 2023-01-20 22:36:55 发布
原创 最新推荐文章于 2023-01-20 22:36:55 发布 · 1.6k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#function

本文介绍了C++中的cv限定符概念，包括const和volatile两种类型。这些限定符可以用于变量、函数等声明中，以指定其是否可修改或是否可能在外部被更改。没有这些限定符的类型称为cv未限定类型。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 a cv-qualified type is the “const”, “volatile” or “const volatile” 
version of a type. that is, a variable, function, etc. declared without 
one of those is cv-unqualified, while the addition of one of those 
specifies a cv-qualified type.

c: const

v: volatile

用12个实例来解释几个C++概念：POD，cv-qualified，trivial，aggregate type
莫等闲
03-03 1万+
<! /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; ms
【C++类型】C++的POD和CV-qualified类型介绍
好好学习，天天向上~
07-11 393
POD 类型 和 cv-qualified
cv (const and volatile) type qualifiers
qingsong1001的专栏
10-15 422
https://en.cppreference.com/w/cpp/language/cv Appear in any type specifier, includingdecl-specifier-seqofdeclaration grammar, to specify constness or volatility of the object being declared or of ...
C++语言学习（五）——C++语言中的CV限定符错误
weixin_34137799的博客
07-15 409
C++语言学习（五）——C++语言中的CV限定符错误 一、CV限定符错误简介 1、CV限定符简介 CV限定符即cv-qualifier，C++语言中指const和volatile限定符。通常，C++语言中有两种情况不能使用CV限定符进行限定：A、非成员函数不能使用CV限定B、静态成员函数不能使用CV限定 2、CV限定符错误信息简介 C++语言中CV限定符错误信息如“cannot have cv-...
Algorithmic Accountability:A Legal and Economic Framework
weixin_42786150的博客
02-14 9073
Despite the potential for machine learning and artificial intelligence to reduce face-to-face bias in decision-making, a growing chorus of scholars and policymakers have recently voiced concerns that if left unchecked, algorithmic decision-making can also
def init_ui(self): central_widget = QWidget() main_layout = QHBoxLayout() # 左侧控制面板 control_panel = QVBoxLayout() control_panel.setContentsMargins(10, 10, 10, 10) control_panel.setSpacing(15) # 系统标定 calibrate_btn = QPushButton('系统标定') calibrate_btn.clicked.connect(self.calibrate_system) control_panel.addWidget(calibrate_btn) # 参考物体选择 self.reference_combo = QComboBox() self.reference_combo.addItems(['选择参考物体'] + list(ObjectMeasurement.STANDARD_SIZES.keys())) self.reference_combo.currentTextChanged.connect(self.select_reference) control_panel.addWidget(QLabel('参考物体类型:')) control_panel.addWidget(self.reference_combo) # 标准尺寸设置 control_panel.addWidget(QLabel('标准尺寸设置')) std_layout = QVBoxLayout() std_layout.setSpacing(5) self.std_width_input = QLineEdit() self.std_width_input.setPlaceholderText('标准宽度(cm)') std_layout.addWidget(QLabel('标准宽度:')) std_layout.addWidget(self.std_width_input) self.std_height_input = QLineEdit() self.std_height_input.setPlaceholderText('标准高度(cm)') std_layout.addWidget(QLabel('标准高度:')) std_layout.addWidget(self.std_height_input) self.tolerance_input = QLineEdit() self.tolerance_input.setPlaceholderText('允许误差(%)') std_layout.addWidget(QLabel('允许误差:')) std_layout.addWidget(self.tolerance_input) set_std_btn = QPushButton('设置标准') set_std_btn.clicked.connect(self.set_standard_size) std_layout.addWidget(set_std_btn) control_panel.addLayout(std_layout) # 功能按钮 image_measure_btn = QPushButton('图像测量') image_measure_btn.clicked.connect(self.measure_image) control_panel.addWidget(image_measure_btn) save_btn = QPushButton('保存结果') save_btn.clicked.connect(self.save_measurements) control_panel.addWidget(save_btn) # 摄像头控制 self.camera_combo = QComboBox() self.camera_combo.addItems(self.camera_manager.get_camera_names()) self.camera_combo.currentIndexChanged.connect(self.switch_camera) control_panel.addWidget(QLabel('选择摄像头:')) control_panel.addWidget(self.camera_combo) camera_measure_btn = QPushButton('实时测量') camera_measure_btn.clicked.connect(self.toggle_camera_measurement) control_panel.addWidget(camera_measure_btn) # 结果显示区 self.result_text = QTextEdit() self.result_text.setReadOnly(True) control_panel.addWidget(self.result_text) # 图像显示区 self.image_label = QLabel('图像显示区') self.image_label.setAlignment(Qt.AlignCenter) self.image_label.setStyleSheet("background-color: #f0f0f0;") main_layout.addLayout(control_panel, 1) main_layout.addWidget(self.image_label, 3) central_widget.setLayout(main_layout) self.setCentralWidget(central_widget) def set_standard_size(self): try: width = float(self.std_width_input.text()) height = float(self.std_height_input.text()) tolerance = float(self.tolerance_input.text()) / 100 if width <=0 or height <=0 or tolerance <0: raise ValueError("数值必须大于0") self.measurer.set_standard_size(width, height, tolerance) QMessageBox.information(self, '设置成功', f'标准尺寸：{width:.2f}x{height:.2f}cm\n允许误差：±{tolerance*100:.1f}%') except Exception as e: QMessageBox.warning(self, '输入错误', f'请输入有效数值: {str(e)}') def calibrate_system(self): file_path, _ = QFileDialog.getOpenFileName(self, '选择标定图像', '', '图像文件 (*.jpg *.png *.bmp)') if not file_path: return known_width, ok = QInputDialog.getDouble(self, '系统标定', '输入参考物体宽度(cm):', 10, 0, 1000, 2) if not ok: return result, error = self.measurer.calibrate(file_path, known_width) if result: QMessageBox.information(self, '标定成功', f'像素/厘米比例: {result:.2f}') else: QMessageBox.warning(self, '标定失败', error) def select_reference(self, ref_type): if ref_type == '选择参考物体': self.measurer.reference_type = None return if self.measurer.set_reference_type(ref_type): size = self.measurer.STANDARD_SIZES[ref_type] QMessageBox.information(self, '参考设置', f'已选择{ref_type}\n标准尺寸：{size["width"]}x{size["height"]}mm') else: QMessageBox.warning(self, '错误', '无效参考类型') def measure_image(self): if self.camera_thread and self.camera_thread.isRunning(): self.toggle_camera_measurement() file_path, _ = QFileDialog.getOpenFileName(self, '选择测量图像', '', '图像文件 (*.jpg *.png *.bmp)') if not file_path: return image = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), cv2.IMREAD_COLOR) if image is None: QMessageBox.warning(self, '错误', '无法读取图像') return measurements, annotated_image, error = self.measurer.measure_objects(image) if error: QMessageBox.warning(self, '测量错误', error) return self.current_measurements = measurements self.show_measurement_results(measurements) self.display_image(annotated_image) def show_measurement_results(self, measurements): qualified = [m for m in measurements if m['qualified']] unqualified = [m for m in measurements if not m['qualified']] result_text = "测量结果统计：\n" result_text += f"合格数量：{len(qualified)} | 不合格数量：{len(unqualified)}\n\n" if qualified: result_text += "===== 合格零件 =====\n" for i, m in enumerate(qualified, 1): result_text += f"物体{i}: 宽{m['width_cm']:.2f}cm 高{m['height_cm']:.2f}cm 面积{m['area_cm2']:.2f}cm²\n" if unqualified: result_text += "\n===== 不合格零件 =====\n" for i, m in enumerate(unqualified, 1): result_text += f"物体{i}: 宽{m['width_cm']:.2f}cm 高{m['height_cm']:.2f}cm 面积{m['area_cm2']:.2f}cm²\n" self.result_text.setText(result_text)描述以上代码是如何实现标准尺寸设置模块的
最新发布
05-11
unqualified = [m for m in measurements if not m['qualified']] # 构建结果显示文本 result_text = f"合格数量：{len(qualified)}\n不合格数量：{len(unqualified)}\n\n" # 添加详细测量结果 if ...
#include <opencv2/opencv.hpp> #include <iostream> #include <vector> using namespace cv; using namespace std; using namespace cv::ml; // 特征提取函数 vector<float> extractFeatures(Mat img) { resize(img, img, Size(64, 64)); // 统一尺寸 GaussianBlur(img, img, Size(5, 5), 0); // 去噪 Mat hsv; cvtColor(img, hsv, COLOR_BGR2HSV); // 转换色彩空间 // 计算H-S二维直方图 int histSize[] = { 16,16 }; float hRange[] = { 0,180 }, sRange[] = { 0,256 }; const float* ranges[] = { hRange, sRange }; int channels[] = { 0,1 }; Mat hist; calcHist(&hsv, 1, channels, Mat(), hist, 2, histSize, ranges, true, false); normalize(hist, hist, 0, 1, NORM_MINMAX); // 归一化 vector<float> features; features.assign((float*)hist.datastart, (float*)hist.dataend); return features; } int main() { // 加载数据集路径 vector<string> posPaths, negPaths; glob("dataset/qualified/*.jpg", posPaths); glob("dataset/unqualified/*.jpg", negPaths); // 提取特征 vector<vector<float>> features; vector<int> labels; // 处理合格样本 for (auto& path : posPaths) { Mat img = imread(path); if (!img.empty()) { features.push_back(extractFeatures(img)); labels.push_back(1); } } // 处理不合格样本 for (auto& path : negPaths) { Mat img = imread(path); if (!img.empty()) { features.push_back(extractFeatures(img)); labels.push_back(0); } } // 创建训练数据矩阵 Mat trainData(features.size(), features[0].size(), CV_32FC1); for (int i = 0; i < features.size(); ++i) trainData.row(i) = Mat(features[i]).t(); Mat labelsMat(labels); // 创建SVM模型 Ptr<SVM> svm = SVM::create(); svm->setType(SVM::C_SVC); svm->setKernel(SVM::RBF); svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 1000, 1e-6)); // 训练并保存模型 svm->train(trainData, ROW_SAMPLE, labelsMat); svm->save("peanut_model.xml"); cout << "模型训练完成！" << endl; return 0; }把以上程序改成，数据集有good ，atrophy ，spot ，broken ，peeling ，moldy 六个标签，且已经分为了训练集和测试集两组，更改加载数据集
04-01
glob("dataset/unqualified/*.jpg", negPaths); 修改为： // 定义类别和标签 vector<string> classNames = {"good", "atrophy", "spot", "broken", "peeling", "moldy"}; vector<string> trainPaths; // 提取特征...
C++中关于类型的一些术语
日知录
04-09 1492
CV-qualifiers(CV限定符)   CV-qualifiers有三种：const-qualifier(const限定符)、volatile-qualifier(volatile限定符)、以及const-volatile-qualifier(const-volatile限定符)。   用CV-qulifiers限定和未被CV-qulifiers限
【C++】基础知识的学习笔记
墨门
01-20 986
C++基础知识的学习笔记；
c++11 使用c++风格的cast： static_cast<type>(expression) const_cast<type> dynamic_cast reinterpret_cast
探秘
07-02 2067
c++编程中， 尽量避免使用c语言风格的 cast， 具体实例如下： EXP05-CPP. Do not use C-style casts Skip to end of metadata Created by Fred Long, last modified by Will Snavely on Mar
C/C++的左值和右值
xiaoqiangvs007的专栏
05-21 739
1C/C++的左值和右值 左值性(lvalueness)在C/C++中是表达式的一个重要属性。只有通过一个左值表达式才能来引用及更改一个对象(object)的值。（某些情况下，右值表达式也能引用(refer)到某一个对象，并且可能间接修改该对象的值，后述）。  何谓对象？如果没有明确说明，这里说的对象，和狭义的类/对
CV-qualifier
Job Log
12-23 682
Const Volatile qualifier.
C语言中const的使用
peterxin's blog
12-06 1278
CONST AND PASS-BY-VALUE 使用一个常量前缀(const)可以避免传址变量的修改: void f(const string & s); 一些开发者即使针对传值变量也用 const : void f(const int n); /*n is passed by value, why const?*/ const 是否真的必要? 不, 不需要. 记住, 在你使用传值变量的时候, 调
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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