Firework Studio

3月17日继续，4.2开始sort()函数每次都是调用 bool compare(const Student&x, const Student&y){ return x.height < y.height;}sort函数的第三个参数可以接一个自己定义的返回值为bool的函数函数库里的max()函数要求两个参数的类型一样，所以不能用普通的int，必须定义一个string::si

特别的构造函数语法与访问函数C++拥有宽松的规则。通常，单参数构造函数定义了一个隐式类型转换（implicit type conversion），该转换会创建一个临时对象，然后调用对应的构造函数（我认为是单参数的那个构造函数，直接将右值作为参数进行构造了）初始化对象。使用explicit构造函数可以避免隐式转换。只进行检测而不改变对象的状态的函数成为访问函数（accessor）。改变对

1. 递归的四个基本法则：基准情况：所有递归问题最终是靠回归到基准情况解出，即需要一些基准情况，不需要递归即可求出。 不断推进：不断逼近基准情况，不能在逼近基准情况的过程中卡住，否则之后的情况将会停留在卡顿的位置，造成死循环，导致栈空间溢出。//递归输出数字#include using namespace std;void F(int x){ if (x >= 10)

1、二维数组和数组元素的地址若有以下定义：int *p, a[3][4]; 注意此处的int，定义为2字节长度大小1）二维数组a由若干个一维数组组成，在C语言中定义的二维数组实际上是一个一维数组，这个一维数组的每一个成员又是一个一维数组。如以上定义的a数组，则可视a数组由a[0]、a[1]、a[2]等三个元素组成，而a[0]、a[1]、a[2]等每个元素又分别是由4个整型元素组成的

试了一下基于彩色直方图反向投影的Camshitft追踪参考文章：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/back_projection/back_projection.htmlhttp://www.cnblogs.com/zsb517/archive/2012/06

explicit关键字。这个关键字只在带有一个参数的构造函数的定义中有意义。当我们说一个构造函数是explicit，意思是，只有在用户明确地调用这个构造函数的地方，编译器才能使用这个构造函数。Vec vi(100); //okVec vi = 100; //error操作符重载函数的关键字为operater，比如重载[]时T& operator[] (size_type i){return da

试了一下Rachel-Zhang的“图像拉普拉斯金字塔融合（Laplacian Pyramid Blending）”主要有以下几个方面：1. 构建左右两张图的高斯金字塔2. 构建左右两张图的拉普拉斯金字塔3. 构建掩膜金字塔（做白又黑）4. 将左右图的高斯金字塔.mul掩膜金字塔生成混合的高斯金字塔5. 将左右图的拉普拉斯金字塔.mul掩膜金字塔生成混合拉普拉斯金字塔6

Mat的类型有CV_8UC1,CV_8UC3等，还有Mat_,Mat_等，一开始不理解后面的Mat_的用处，只知道是个模板类，今天算PCA的时候发现两个CV_8UC1类型的Mat相减，负数直接被置零了（废话，因为是unsigned）。然后又创建了一个CV_8SC1的矩阵作为相减的结果，但是还是为0，想了一下，大概是因为signed和unsigned进行运算时会自转换为unsigned，所以还是

跳到当前光标处（Ctrl+F10）我经常看到人们为了到达目标代码位置，而在程序中早早设定了断点，然后反复地按F10/F11，一步步走到目标代码处。当程序员的确需要仔细观察每一步的状态变化时， F10/F11是合理的选择。然而多数情况下，人们只想快速到达他们真正关心的代码处，这时候F10/F11就不是最佳选择了。这时，你应该利用“跳到当前光标处”这个功能。先把光标定位在要测的目标代码行上，再

继续，泛型函数开始作为一个好习惯，我们在头文件的代码中使用经过限定的名字，但是我们将假定对应的源文件中包含适当的using声明

#293页，争取一周内刷完#3月16日局部变量，只要程序执行到 } 的时候，变量就会被销毁，内存也会被回收当使用cin读取字符串时，会忽略空白符（空格、制表符、退格符、终止符）\t是制表符，按键盘上的Tab键就是，它是一个字符，但显示的时候通常会是按8个字符宽度跳到下一个制表位置使用转义符\b一次，光标将从原应该显示的位置向前退一格终止符\0st

1.2 复杂度度量T(n)的渐进上届为O(f(n))，T(f(n))的渐进下届为Ω(f(n))，对算法复杂度的准确估计——Θ(f(n))，无论n的规模如何，T(n)都与Θ(n)同阶。