Effective Modern C++ 笔记(1):模板类型推导

本文介绍C++11中的模板类型推导规则,包括lvalue与rvalue的概念、universal reference的作用及其实现方式,并通过具体示例展示了模板递归实例化过程中的引用折叠现象。

说明

以下内容均指C++ 11中的特性, 主要包括Effective Modern C++这本书英文原版中涉及到模板类型推导规则的部分(Chapter 1以及Item 28)

模板类型推导要点

  • 可以进行取地址操作的都是lvalue, 即使声明为T&& 类型的变量,例如
const int&& int_rr=5;

int_rr是lvalue

    template<typename String, typename... Rest>
    struct concatenate_impl<String, Rest...> {
      static size_t size(String&& s, Rest&&... rest) {
        return string_size(s)
             + concatenate_impl<Rest...>::size(std::forward<Rest>(rest)...);
      }   
      static void concatenate(std::string& result, String&& s, Rest&&... rest) {
        result += s;
        concatenate_impl<Rest...>::concatenate(result, std::forward<Rest>(rest)...);
      }   
    };  
  • 模板函数参数传引用T& 可以匹配数组(可以包括长度信息), 而按值传递T只能匹配T*(没有长度信息), 例如以下函数
// return size of an array as a compile-time constant. (The
// array parameter has no name, because we care only about
// the number of elements it contains.)
template<typename T, std::size_t N> // see info
constexpr std::size_t arraySize(T (&)[N]) noexcept // below on
    return N; // and
} // noexcept
  • 模板函数参数传值T会去掉 CV属性和reference, 传引用T&不会
  • 模板递归实例化过程中如果出现“引用的引用”, reference collasping会发生,简单说就是模板实例化(用户代码中不能显式声明引用的引用类型的变量)过程中多个引用叠加的话如果其中一个是lvalue reference, 那么替换结果为lvalue reference,否则为rvalue reference

测试代码

  #include <iostream>
  #include <string>
  #include <boost/type_index.hpp>

  template <class T> struct add_ref{
      typedef T& ref_type;
  };                                                                                                                                                                                                                                                                          

  const int& int_r=5;

  template <class T> void test_param_ref(T& param){
      using std::cout;
      using boost::typeindex::type_id_with_cvr;
      // show T
      cout << "T = "
      << type_id_with_cvr<T>().pretty_name()
      << '\n';
       // show param's type
      cout << "param = "
      << type_id_with_cvr<decltype(param)>().pretty_name()
      << '\n';
  }


  template <class T> void test_param_rref(T&& param){
      using std::cout;
      using boost::typeindex::type_id_with_cvr;
      // show T
      cout << "T = "
      << type_id_with_cvr<T>().pretty_name()
      << '\n';
       // show param's type
      cout << "param = "
      << type_id_with_cvr<decltype(param)>().pretty_name()
      << '\n';
  }


  template <class T> void test_param_val(T param){
      using std::cout;
      using boost::typeindex::type_id_with_cvr;
      typedef typename add_ref<T>::ref_type ref_type;
      // show ref_type
      cout << "add_ref type = "
      << type_id_with_cvr<ref_type>().pretty_name()
      << '\n';
      // show T
      cout << "T = "
      << type_id_with_cvr<T>().pretty_name()
      << '\n';
       // show param's type
      cout << "param = "
      << type_id_with_cvr<decltype(param)>().pretty_name()
      << '\n';
  }


  int main()
  {
      using std::cout;
      using std::endl;
      cout << "test param passed by value" << endl;
      test_param_val(int_r);
      cout << endl;
      cout << "test param passed by ref" << endl;
      test_param_ref(int_r);
      cout << endl;
      cout << "test lvalue passed by rvalue ref" << endl;
      test_param_rref(int_r);
      cout << endl;
      cout << "test rvalue passed by rvalue ref" << endl;
      test_param_rref(6);
  }

输出

test param passed by value
add_ref type = int&
T = int
param = int

test param passed by ref
T = int const
param = int const&

test lvalue passed by rvalue ref
T = int const&
param = int const&

test rvalue passed by rvalue ref
T = int
param = int&&
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  | 博主筛选后可见
 
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