Refactoring 笔记 - 重构原则总结

重构的艺术
本文探讨了重构的概念及实践,强调了重构的目的在于改善代码结构而不改变其功能,并介绍了重构的原则与时机,以及重构过程中面临的挑战。
重构再定义
名词:对软件内部结构的一种调整,目的是在不改变软件之可察行为前提下,提高其可理解性
,降低其修改成本。
动词:使用一系列重构准则,在不改变软件之可察行为前提下,调整其结构。
重构的目的是使软件更容易被理解和修改。可以在软件内部做很多修改,但对其 public 的接口
造成很小的变化或甚至不能造成变化,在决定改变接口时一定要慎之再慎。
 
两个方面
1、添加新功能:不应该修改已有的代码,只管添加新功能和对应的测试。
2、重构:不应该再添加功能,也不应该更改对应的测试,只管改进程序结构并使改进后的程序
通过测试。
 
为何重构?
程序设计是与计算机交谈,程序告诉计算机做什么,怎么做,它的响应则是精确按照程序的指
示行动,机算机是程序主要的读者。从而往往忽略了程序另一种重要的读者,自己或其它程序
员。有人说懒惰是程序员的美德之一,懒惰常常使程序员写出精妙的代码,创造出更好的应用
,而重构则使程序员偷懒有方,呵呵,至少我这么认为。
在重构过程中能够帮助找到隐藏的 bugs,也能帮助深入理解代码的行为。
 
何时重构?
三次法则:事不过三,三则重构。第一次做某件事时只管去做;第二次做类似的事会产生反感
,但无论如何还是做了;第三次再做类似的事,就应该重构。
 
重构的阻力
这一章谈到了一些,我的感受是最大的阻力来自于程序员本身、整个团队、一些政治因素,呵
呵,有经验的程序员可能都会有此感受。
 
修改接口
不到最后关头千万不要做此决定,接口是对外的承诺,一但收回承诺,任何事情都有可能发生
。如果一定要修改接口应该让旧的接口依然能够工作,直到所有的用户都做出反应为止。
一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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