Go Slice

本文深入探讨了切片作为一种高效的数据结构,如何在动态数组的基础上实现自动增长和缩小,详细讲解了切片的创建、初始化、增长及迭代等操作,以及在函数间传递时的低成本特性。

简介

切片是一种数据结构,这种数据结构便于使用和管理数据集合,围绕动态数组的概念构建,可以按需自动增长和缩小

内部实现

切片有三个字段,分别是指向底层数组的指针、切片的长度和切片的容量
在这里插入图片描述

创建和初始化

  1. Make
slice:=make([]string,5)

如果只指定长度,那么切片的容量和长度相等,也可以分别指定长度和容量

slice:=make([]string,3,5)
  1. 切片字面量
slice:=[]int{1,2,3}

可以设置长度和容量

slice:=[]string{99:""}

创建了长度和容量都是100个元素的切片

  1. nil切片
    在声明时不做任何初始化,就会创建一个nil切片
var slice []int

在这里插入图片描述
想表示一个不存在的切片时
例如在函数要求返回一个切片但是发生异常的时候可以返回nil切片

  1. 声明空切片
slice:=make([]int,0)
slice2:=[]int{}

想表示空集合时空切片时
例如数据库查询返回零个结果时可以返回空切片
在这里插入图片描述

使用切片

  1. 赋值和切片
slice[0]=1
  1. 使用切片创建切片
slice:=[]int{10,20,30,40,50}
newSlice:=slice[1:3]

在这里插入图片描述
这时候我们有两个切片,他们共享同一段底层数组,如果一个切片修改了该底层数组的共享部分,另一个切片也能感知到

使用三个索引创建切片
在这里插入图片描述

允许限制新切片的容量为底层数组提供了一定的保护,可以更好地控制追加操作

  1. 切片增长
    append需要一个被操作的切片和一个要追加的值,它总会增加新切片的长度,而容量的变化取决于被操作的可用容量
slice:=[]int{10,20,30,40,50}
newSlice:=slice[1:3]
newSlice=append(newSlice,60)

在这里插入图片描述
由于newSlice在底层数组里还有额外的容量可用,并且和原始的slice共享同一个底层数组,因此索引为3的元素的值也被改动了

在这里插入图片描述
如果在创建切片的时候设置的切片的长度和容量一样,就可以强制让新切片的第一个append操作创建新的底层数组,与原有的底层数组分离,之后可以安全地进行后续修改

  1. 追加切片
s1:=[]int{1,2}
s2:=[]int{3,4}
fmt.Printf("%v",append(s1,s2...))
  1. 迭代切片
    使用for range迭代切片
	slice:=[]int{10,20,30,40}
	for index,value:=range slice{
		fmt.Printf("Index: %d Value: %d\n",index,value)
	}

range创建了每个元素的副本,而不是直接返回对该元素的引用,因此value的地址总是相同的

len()函数返回切片或者映射的长度,cap()函数只能返回切片的容量
若果使用传统for循环进行迭代切片,可以使用len()决定什么时候停止迭代

多维切片

  1. 声明多维切片
slice:=[][]int{{10},{100,200}}

在这里插入图片描述

  1. 组合切片的切片
slice:=[][]int{{10},{100,200}}
slice[0]=append(slice[0],20)

在这里插入图片描述

在函数间传递切片

由于切片的尺寸很小,在函数间复制和传递切片的成本也很低

	slice:=make([]int,1e6)
	slice=foo(slice)
	func foo(slice []int)[]int{
		...
		return slice
	}

在64位架构的机器上,一个切片需要24字节的内存,由于切片关联的数据包含在底层数组里,不属于切片本身,所以将切片复制到任何函数的时候,对底层数组大小都不会有影响

### 光流法C++源代码解析与应用 #### 光流法原理 光流法是一种在计算机视觉领域中用于追踪视频序列中运动物体的方法。它基于亮度不变性假设,即场景中的点在时间上保持相同的灰度值,从而通过分析连续帧之间的像素变化来估计运动方向和速度。在数学上,光流场可以表示为像素位置和时间的一阶导数,即Ex、Ey(空间梯度)和Et(时间梯度),它们共同构成光流方程的基础。 #### C++实现细节 在给定的C++源代码片段中,`calculate`函数负责计算光流场。该函数接收一个图像缓冲区`buf`作为输入,并初始化了几个关键变量:`Ex`、`Ey`和`Et`分别代表沿x轴、y轴和时间轴的像素强度变化;`gray1`和`gray2`用于存储当前帧和前一帧的平均灰度值;`u`则表示计算出的光流矢量大小。 #### 图像处理流程 1. **初始化和预处理**:`memset`函数被用来清零`opticalflow`数组,它将保存计算出的光流数据。同时,`output`数组被填充为白色,这通常用于可视化结果。 2. **灰度计算**:对每一像素点进行处理,计算其灰度值。这里采用的是RGB通道平均值的计算方法,将每个像素的R、G、B值相加后除以3,得到一个近似灰度值。此步骤确保了计算过程的鲁棒性和效率。 3. **光流向量计算**:通过比较当前帧和前一帧的灰度值,计算出每个像素点的Ex、Ey和Et值。这里值得注意的是,光流向量的大小`u`是通过`Et`除以`sqrt(Ex^2 + Ey^2)`得到的,再乘以10进行量化处理,以减少计算复杂度。 4. **结果存储与阈值处理**:计算出的光流值被存储在`opticalflow`数组中。如果`u`的绝对值超过10,则认为该点存在显著运动,因此在`output`数组中将对应位置标记为黑色,形成运动区域的可视化效果。 5. **状态更新**:通过`memcpy`函数将当前帧复制到`prevframe`中,为下一次迭代做准备。 #### 扩展应用:Lukas-Kanade算法 除了上述基础的光流计算外,代码还提到了Lukas-Kanade算法的应用。这是一种更高级的光流计算方法,能够提供更精确的运动估计。在`ImgOpticalFlow`函数中,通过调用`cvCalcOpticalFlowLK`函数实现了这一算法,该函数接受前一帧和当前帧的灰度图,以及窗口大小等参数,返回像素级别的光流场信息。 在实际应用中,光流法常用于目标跟踪、运动检测、视频压缩等领域。通过深入理解和优化光流算法,可以进一步提升视频分析的准确性和实时性能。 光流法及其C++实现是计算机视觉领域的一个重要组成部分,通过对连续帧间像素变化的精细分析,能够有效捕捉和理解动态场景中的运动信息
微信小程序作为腾讯推出的一种轻型应用形式,因其便捷性与高效性,已广泛应用于日常生活中。以下为该平台的主要特性及配套资源说明: 特性方面: 操作便捷,即开即用:用户通过微信内搜索或扫描二维码即可直接使用,无需额外下载安装,减少了对手机存储空间的占用,也简化了使用流程。 多端兼容,统一开发:该平台支持在多种操作系统与设备上运行,开发者无需针对不同平台进行重复适配,可在一个统一的环境中完成开发工作。 功能丰富,接口完善:平台提供了多样化的API接口,便于开发者实现如支付功能、用户身份验证及消息通知等多样化需求。 社交整合,传播高效:小程序深度嵌入微信生态,能有效利用社交关系链,促进用户之间的互动与传播。 开发成本低,周期短:相比传统应用程序,小程序的开发投入更少,开发周期更短,有助于企业快速实现产品上线。 资源内容: “微信小程序-项目源码-原生开发框架-含效果截图示例”这一资料包,提供了完整的项目源码,并基于原生开发方式构建,确保了代码的稳定性与可维护性。内容涵盖项目结构、页面设计、功能模块等关键部分,配有详细说明与注释,便于使用者迅速理解并掌握开发方法。此外,还附有多个实际运行效果的截图,帮助用户直观了解功能实现情况,评估其在实际应用中的表现与价值。该资源适用于前端开发人员、技术爱好者及希望拓展业务的机构,具有较高的参考与使用价值。欢迎查阅,助力小程序开发实践。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
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