const static extern 存储与进程空间布局(二)

本文详细解析了C++中static与const关键字的用法及其特性,包括成员变量的定义与初始化规则、外部链接符号表的概念及如何避免链接错误等。

这是该系列的第二篇。

有个很有意思的现象,在 c++ 中,static 用于类中时,表示该 成员函数/变量 属于类,而不是对象,因此,它会被放入外部链接符号表中,给其它编译单元使用。那么,可以推断它们仅仅只能被定义一次,否则导入外部链接符号的编译单元会发现,重复定义,自然会链接报错。

形如

//A.h
class A
{
	static int id;	//仅仅是声明
	static void say();//仅仅是声明
}

//
A.cpp
int A::id=2;	//定义, ok
void A::say(){} //定义, ok

//B.cpp
int A::id=3;    //error, redinition
void A::say(){} //error, redinition


const 在 c++ 有内联的属性,即,在 A.cpp 中定义 const int global_id=2; 在 B.cpp 中有对这个外部符号 extern int global_id 有链接时, 将导致链接失败(如果只是 extern int global_id 但没有使用它则不会产生链接)。这是因为 global_id 有 const 修饰,A.cpp 编译时,没有将 global_id 放入外部链接符号表,所以 B.cpp 自然就链接不到这个符号,故出错。

 const 用于成员变量时,表示该变量已经定义了,在其他任何地方再地方则是重复定义,而且,const 变量只能在构造函数或初始化列表中初始化。

注意,const 变量属于对象,而不是类。

//A.h
class A
{
	static int sid = 2;// 错误, 仅仅只有 static const int 成员可以在类内部初始化.这是因为
	static const int scid ; //仅仅是个声明
	static int fid;//ok, 仅是个声明
}
int global_id; //错误, 变量被 A.cpp 和 B.cpp 包含,重复定义
extern int global_eid = 2; //错误, 同上
extern int global_declaration; //ok, 仅仅是个声明

//A.cpp
#include "A.h"
const int A::scid=2;// ok, 定义一个静态的 const 变量
extern int global_declaration;//ok, 仅是个声明. 其实这句话可以删除,因为 A.h 在 A.cpp 中展开后也有这句话. extern 可以重复写
int A::fid =2;//ok, 定义

//B.cpp
#include "A.h"
extern int global_declaration = 9;//ok, define
int A::fid=4;//错误, 重复定义. static 成员变量属于类,只能被定义一次.


最后需要注意的是,当且仅当引入外部符号且必须链接该外部符号但找不到此符号时,才会链接失败。简单来说,就是编译单元引入但没有使用外部符号的场景。

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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