自定义类型的部分知识点

本文详细介绍了C语言中结构体的创建、初始化、内存对齐等核心概念,并探讨了位段、枚举和联合等高级特性。

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

一、结构体类型的创建

1.结构体是一些值的集合,这些值称为成员变量。

2.结构体内的成员可以是不同类型的变量,也可以是标量,数组,指针甚至是其他的结构体。

3.结构体的创建:

例图:

4.结构体内部成员的访问:(1).结构体变量访问成员(结构变量的成员是通过点操作符(.)访问的.点操作符接受两个操作数.如果s是结构体的具体名称,age是其内部成员,则s.age就可以访问)。(2)结构体访问指向变量的成员(定义一个指向该结构体的结构体类型的指针ps,如果age是该结构体的内部成员,则(*s).age或者ps->age就可以访问)。

5.结构的自引用:在结构体中可以包含该结构体本身的成员,具体的自引用如下例:


二、结构体的初始化

1.

struct Stu
{
  char name[10];
  int age;
};
struct Stu s={"lisi",22};//初始化
2.
struct Node
{
  int data;
  struct Stu p;
  struct Node* next;
}n={10,{"wangwu",21},NULL};//结构体嵌套初始化
struct Node w={20,{"liwu",23},NULL};//结构体嵌套初始化
三、结构体内存对齐

1.结构体的对齐原则:

(1)第一个成员在与结构体变量偏移量为0的地址处。

(2)其他成员变量要对齐到某个数字(对齐数)的整数倍的地址处。对齐数=编译器默认的一个对齐数与该成员的大小的较小值。VS中默认的值为8, Linux中默认的值为4

(3)结构体总大小为最大对齐数(每个成员变量除了第一个成员都有一个对齐数)的整数倍。

(4)如果嵌套了结构体的情况,嵌套的结构体对齐到自己的最大对齐数的整数倍处,结构体的整体大小就是所有最大对齐数的整数倍。

总体来说:结构体的内存对齐是拿空间换时间的做法,除此,对于结构体传参的问题,要传结构体的地址(函数传参的时候,参数是需要压栈的,如果传递一个结构体对象时候,结构体过大,参数压栈的系统开销比较大,所以会导致性能的下降)。

四、位段

1.位段的声明和结构是相似的,有两个不同(一、位段的成员必须是int ,unsigned int,char.二,位段的成员名后边有一个冒号和一个数字)

如:struct A

      int _a:2;

      int _b:5;

};

2.位段的内存分配

(1)位段的空间上是按照需要以4个字节(int)或者1个字节(char)的方式来开辟的。

(2)位段涉及很多不确定因素,位段是不跨平台的,注重可移植的程序应该避免使用位段。

总体来说,跟结构相比,位段可以达到同样的效果,但是可以很好的节约空间,但是有跨平台的问题存在。

五、枚举

枚举顾名思义就是一一列举。

1.枚举类型的定义

enum Day
{
  Mon,
  Tues,
Wed,
Thur,
Fri,
Sat,
Sun
};
 {}中的内容是枚举类型的可能取值,也叫枚举常量。这些可能取值都是有值的,默认从0开始,一次递增1,当然在定义的时候也可以赋初值的。如

enum color
{
  RED=1,
  GREEN=2,
  BLUE=4
};
六、联合

1.联合类型的定义

联合类型定义的变量包含一系列的成员,特征是这些成员公用同一块空间(联合也称为共用体)。比如:

//联合类型的声明
union Un
{
  char c;
  int i;
};
//联合变量的定义
union Un un;
2.联合的特点

联合的成员是共用同一块内存空间的,这样一个联合变量的大小至少是最大成员的大小。

3.联合大小的计算

(1)联合的大小至少是最大成员的大小。

(2)当最大成员大小不是最大对齐数的整数倍时,就要对齐到最大对齐数的整数倍。












 




资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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