无题

       今天上午写着写着代码,大脑出鞘了,然后……
这几天在学 面向对象,和原来的过程化的编程思想真的很不一样,以前想的如何一步一步的实现某个功能,连贯性很强,一串东西从头走到尾。每实现一个功能就要写一遍。现在面向对象想的是把功能一步一步的分成块,做成万能的块,不管块操作的是什么,连接在一起后,都能实现整体的功能。

学了面向对象后,感觉要想成为一个合格的程序员,不是单单会垒代码就行的,更重要的是有思想,有想象,有想法。对着电脑把整个业务过程完整的呈现在脑子里,把这个业务过程做成一个万能的东西。咋感觉程序员那么伟大呢?看了的同志请不要吐,必须忍住。程序员可以知识面不广,但必须专,而且思想必须风骚(听过凯哥很风骚,期待中;其实涛哥也很风骚,只是一般不露,他需要气氛慢慢才能进入角色)。
插一句:听说凯哥出天龙八步,六脉神贱。我们建议涛哥出个葵花宝典,期待中……
用面向对象写程序,要达到个什么境界呢?一、是帮别人实现业务需求的人,别人想要什么,就帮他实现什么(会写类)。2、二、能够分析整个项目,把整个项目分成几块,能够想象出整个项目产生的过程(会写抽象类)。三、一和二都会,不过不经历一,肯定无法做到二。我要成为啥样的呢?思想沉淀中……

突然又想到一个问题,好多人说程序员一般都是闷骚型。为啥会这样呢?因为要静下来,思考问题,敲代码,没时间扯淡,自然说话就少。可是一旦进入角色,说起来绝对可以没完没了,扯起蛋来绝对一个比一个恶心。抓住机会,绝不放过,必须说个够。反正我们宿舍8个人,咋感觉都是这样的人呢,谁觉得自己不是,请下面澄清下!其实我还是很纯洁的……。要想真正了解一个程序员是啥样的人,必须慢慢去品,如果一下就能看出一个人,估计不是个好的程序员,太肤浅了,哈哈!

补充:昨天拔河的时候见到了真正的沫哥,沫哥,佩服死你的技术了!
这一出鞘,跨越了太多的问题,哎,大脑太活跃了!

原文地址:http://bbs.lampbrother.net/read-htm-tid-116614.html

阅读(165) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,广泛应用于图像处理、计算机视觉和模式识别等领域。物体识别是OpenCV的一个重要应用场景,以下是一些常见的物体识别方法和技术: 1. **特征提取与匹配**: - **SIFT(尺度不变特征变换)**和**SURF(加速稳健特征)**:这些算法用于检测和描述局部特征,能够在图像中识别出相同的物体,即使它们的大小、旋转或光照条件发生变化。 - **ORB(定向快速旋转BRIEF)**:一种快速的特征检测和描述算法,适用于实时应用。 2. **模板匹配**: - 通过在图像中滑动一个模板(已知物体的图像),并计算模板与图像区域的相似度,来找到物体的位置。 3. **机器学习与深度学习**: - **支持向量机(SVM)**:用于分类和回归分析,可以用于物体识别任务。 - **卷积神经网络(CNN)**:深度学习模型,特别适合处理图像数据,能够自动学习图像的特征并进行分类。 4. **目标检测算法**: - **Haar级联分类器**:基于积分图和AdaBoost算法,用于实时人脸检测。 - **YOLO(You Only Look Once)**和**SSD(Single Shot MultiBox Detector)**:实时目标检测算法,能够在单次前向传播中同时进行目标定位和分类。 5. **实例分割**: - **Mask R-CNN**:在目标检测的基础上,进一步分割出目标的精确轮廓。 OpenCV提供了丰富的API和工具,可以方便地实现上述方法。以下是一个简单的示例代码,展示如何使用OpenCV进行模板匹配: ```python import cv2 import numpy as np # 读取原始图像和模板图像 original_image = cv2.imread('original_image.jpg') template = cv2.imread('template.jpg') template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY) w, h = template_gray.shape[::-1] # 转换为灰度图 gray_original = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY) # 模板匹配 result = cv2.matchTemplate(gray_original, template_gray, cv2.TM_CCOEFF_NORMED) threshold = 0.8 loc = np.where(result >= threshold) # 绘制矩形框 for pt in zip(*loc[::-1]): cv2.rectangle(original_image, pt, (pt[0] + w, pt[1] + h), (0, 255, 255), 2) # 显示结果 cv2.imshow('Detected', original_image) cv2.waitKey(0) cv2.destroyAllWindows() ```
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