链式队列——单链表实现

在这里插入图片描述

1,结构定义

在这里插入图片描述

用length属性记录队列长度,在获取队列元素个数时可以做到O(1)O(1)O(1)时间复杂度。否则,需要遍历链表,会达到O(n)O(n)O(n)时间复杂度。

typedef char QueueElement;
typedef struct tagLinkQueueNode
{
    QueueElement data;
    struct tagLinkQueueNode *next;
}LinkQueueNode;

typedef struct tagLinkQueue
{
    LinkQueueNode *front;
    LinkQueueNode *rear;
    int length;
}LinkQueue;

2,初始化

申请一个头结点,便于操作单链表,但不用于存储数据。将front和rear都指向这个节点,同时将length设为0。

在这里插入图片描述

void init(LinkQueue *lq)
{
    //申请头结点,不保存值
    LinkQueueNode *head = malloc(sizeof(LinkQueueNode));
    head->next = NULL;
    lq->front = lq->rear = head;
    lq->length = 0;
}

3,获取元素个数

由length属性可得队列中元素个数。

// 获取队列长度
int length(LinkQueue *lq)
{
    return lq->length;
}

4,判空

若length属性为0,则队列空。

// 判空
int empty(LinkQueue *lq)
{
    return lq->length ? 0 : 1;
}

5,入队

在队尾加入新元素。

在这里插入图片描述在这里插入图片描述
在这里插入图片描述

// 入队
void push(LinkQueue *lq, QueueElement *item)
{
    // 为新节点申请内存
    LinkQueueNode *newNode = malloc(sizeof(LinkQueueNode));
    // 赋值
    newNode->data = *item;
    newNode->next = NULL;
    // 加入队尾,
    lq->rear->next = newNode;
    //将尾指针指向新的队尾元素
    lq->rear = newNode;
    // 队列长度+1
    lq->length++;
}

6,获取队首元素

// 取队首元素前,判空
int front(LinkQueue *lq, QueueElement *item)
{
    if(empty(lq))
    {
        return -1;
    }
    *item = lq->front->next->data;
    return 0;
}

7,出队

删除队首元素。将其从链表中摘除,并释放它的内存。同时,length属性减1。

在这里插入图片描述在这里插入图片描述

// 删除队首元素前,判空
int pop(LinkQueue *lq)
{
    if(empty(lq))
    {
        return -1;
    }
    // 记住队首元素地址
    LinkQueueNode *temp = lq->front->next;
    // 从队列中摘除
    lq->front->next = temp->next;
    // 队列长度-1
    lq->length--;
    // 释放该元素内存
    free(temp);
    return 0;
}

8,销毁

释放掉申请的内存资源,包括元素节点和头结点。

在这里插入图片描述

void destroy(LinkQueue *lq)
{
    // 释放内存资源
    LinkQueueNode *temp = NULL;
    while(lq->front)
    {
        temp = lq->front;
        lq->front = lq->front->next;
        free(temp);
    }
}
### 如何将YOLOPyQt结合使用 为了实现YOLOPyQt的集成,可以按照以下方法构建应用程序: #### 1. 安装依赖库 确保安装了必要的Python包。这通常包括`opencv-python`用于图像处理以及`torch`和`tqdm`等其他可能需要的机器学习框架。 ```bash pip install opencv-python torch tqdm pyqt5 ``` #### 2. 加载并配置YOLO模型 加载预训练好的YOLO权重文件,并设置好检测参数。这部分代码可以从官方GitHub仓库获取或者基于已有的YOLO版本调整[^1]。 ```python import cv2 from ultralytics import YOLO model = YOLO('yolov8n.pt') # Load model ``` #### 3. 创建PyQt界面 设计图形用户界面(GUI),允许用户选择视频源或图片路径作为输入给YOLO进行目标识别。这里展示了一个简单的窗口布局例子[^2]。 ```python from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QVBoxLayout, QWidget, QLabel, QLineEdit class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("YOLO Object Detection") layout = QVBoxLayout() label = QLabel("Enter image path:") line_edit = QLineEdit() button = QPushButton("Detect Objects!") layout.addWidget(label) layout.addWidget(line_edit) layout.addWidget(button) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) ``` #### 4. 实现对象检测逻辑 当点击按钮时触发事件处理器,在其中调用YOLO来进行预测并将结果显示出来。注意要处理不同类型的媒体数据(如摄像头流、本地文件)[^3]。 ```python def on_button_clicked(self): img_path = self.line_edit.text() # Get input from user results = model(img_path) # Perform inference using loaded model res_plotted = results[0].plot() # Plot bounding boxes over detected objects cv2.imshow("Detected Image", res_plotted) # Show result in a window cv2.waitKey(0) button.clicked.connect(on_button_clicked) ``` 以上就是基本的工作流程;当然实际项目可能会更复杂一些,比如还需要考虑多线程运行以提高性能等问题。对于具体细节上的差异,则取决于所选用的具体YOLO变体及其对应的API接口文档说明[^4]。
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