QImage的深拷贝与浅拷贝

本文探讨了QImage在使用过程中可能出现的深拷贝与浅拷贝问题,重点介绍了如何避免因数据释放导致的图像显示异常。通过构造函数创建QImage时要注意内存管理,如果data需要删除,必须先进行深拷贝。QImage的copy函数可以生成独立的图像副本,确保删除data后不影响图像显示。此外,还提到了如何利用bits()方法将QImage转换为其他格式,如OpenCV的Mat。

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

        最近在 做项目时,被QImage深深的坑过,之前也没遇到过,来看看如何构造一个QImage, 查看头文件可知,有如下几种构造方法:

    QImage() Q_DECL_NOEXCEPT;
    QImage(const QSize &size, Format format);
    QImage(int width, int height, Format format);
    QImage(uchar *data, int width, int height, Format format, QImageCleanupFunction cleanupFunction = nullptr, void *cleanupInfo = nullptr);
    QImage(const uchar *data, int width, int height, Format format, QImageCleanupFunction cleanupFunction = nullptr, void *cleanupInfo = nullptr);
    QImage(uchar *data, int width, int height, int bytesPerLine, Format format, QImageCleanupFunction cleanupFunction = nullptr, void *cleanupInfo = nullptr);
    QImage(const uchar *data, int width, int 
### 关于目标检测中 VOC 数据集的使用方法、教程和下载 #### YOLO 目标检测框架下的 VOC2007 数据集资源 对于希望获取并学习如何处理 VOC 数据集的研究者来说,YOLO 是一种非常流行的目标检测算法。针对 VOC2007 数据集,已经存在完整的版本可供下载,其中包括大约 10,000 张图像以及对应的 voc、coco 和 yolo 格式的标签[^1]。此数据集还附带了用于划分训练集和测试集的脚本,方便研究者快速上手。 为了进一步简化流程,提供了详细的训练教程来指导用户完成模型配置到最终部署的过程。这些材料不仅有助于理解数据结构本身,还能帮助初学者掌握实际操作技能。 #### XML 文件转换至其他格式的支持工具 当涉及到不同平台间的迁移时,可能需要将原始标注形式(如 Pascal VOC 的 XML 文件)转化为另一种更适配的形式(例如 EasyDL 所需 JSON)。为此提供了一种解决方案说明文档指出如果拥有预先标记完毕的标准 VOC 类型的数据集合,则可以通过特定程序实现自动化转变过程而无需重新手动执行繁琐的任务步骤[^2]。 此外值得注意的是,在某些情况下即使具备现成素材也可能因为缺乏适当接口而导致无法立即投入使用;因此了解各种常见交换媒介之间的相互关系变得尤为重要。 ```python import xml.etree.ElementTree as ET def parse_voc_annotation(xml_file): tree = ET.parse(xml_file) root = tree.getroot() objects = [] for obj in root.findall('object'): name = obj.find('name').text bndbox = obj.find('bndbox') xmin = int(bndbox.find('xmin').text) ymin = int(bndbox.find('ymin').text) xmax = int(bndbox.find('xmax').text) ymax = int(bndbox.find('ymax').text) objects.append({ 'class': name, 'bbox': (xmin, ymin, xmax, ymax), }) return objects ``` 上述代码片段展示了如何解析标准Pascal VOC格式中的bounding box信息。 ---
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

打赏作者

令狐掌门

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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