二叉树

复习二叉树

1.插入

1>左 < 本节点 < 右 大小排序

2>只指针的指针可以改变指针


2.删除

1>没有子节点

直接删除

2>有一个节点

让该该节点的父节点指向,该节点的子节点

3>有二个节点

找出该节点右子树最小值的节点,置换值。并删除置换的节点


#ifndef _ZB_BINARYTREE_
#define _ZB_BINARYTREE_
#include <iostream>

struct AllocNode
{
AllocNode(){}
~AllocNode(){}
void* Allocator(size_t len) { return new char[len]; }
void Free(void *ptr, size_t len = 0) { delete[] ptr; ptr = nullptr; }
void Swip(){}
};

template<typename ValTy>
struct TreeNode
{
typedef TreeNode<ValTy>* Node_Ptr;

TreeNode(const ValTy& data)
:MyData(data), MyRight(nullptr), MyLeft(MyLeft)
{}

ValTy MyData;
Node_Ptr MyRight;
Node_Ptr MyLeft;
};

template<typename ValTy, typename Alloc = AllocNode>
class BinaryTree
{
typedef TreeNode<ValTy> MyBase;
typedef typename MyBase::Node_Ptr Node_Ptr;
typedef typename size_t size_type;
public:
BinaryTree()
:MyRoot(nullptr),MyCount(0)
{
MyRoot = nullptr;
MyCount = 0;
}

~BinaryTree()
{
clear(MyRoot);
}

void clear()
{
clear(MyRoot);
}

void eraser(const ValTy& data)
{
eraser(data, MyRoot);
_incsize(-1);
}

void insert(const ValTy& data)
{
insert(&MyRoot, _buynode(data));
_incsize(1);
}

void travel(int i)
{
switch (i)
{
case 1:travelFront(MyRoot); break;
case 2:travelMidlle(MyRoot); break;
case 3:travelBack(MyRoot); break;
default:
break;
}
std::cout << endl;
}
private:
Node_Ptr eraser(const ValTy& data, Node_Ptr pRoot)
{
if (!pRoot)
{
return nullptr;
}

Node_Ptr del_node;
if (data < pRoot->MyData)
{
pRoot->MyLeft = eraser(data, pRoot->MyLeft);
}
else if (data > pRoot->MyData)
{
pRoot->MyRight = eraser(data, pRoot->MyRight);
}
else
{
if (pRoot->MyLeft && pRoot->MyRight)
{
del_node = find_min(pRoot->MyRight);
pRoot->MyData = del_node->MyData;
pRoot->MyRight = eraser(pRoot->MyData, pRoot->MyRight);
}
else
{
del_node = pRoot;
if (nullptr == pRoot->MyLeft)
{
pRoot = pRoot->MyRight;
}
else if (nullptr == pRoot->MyRight)
{
pRoot = pRoot->MyLeft;
}
MyAlloc.Free(del_node);
}
}
return pRoot;
}

Node_Ptr find(const ValTy& data, Node_Ptr pRoot)
{
if (!pRoot)
{
return nullptr;
}
if (data < pRoot->MyData)
{
find(data, pRoot->MyLeft);
}
else if (data > pRoot->MyData)
{
find(data, pRoot->MyRight);
}
else
{
return pRoot;
}
}

Node_Ptr find_min(Node_Ptr pRoot)
{
if (!pRoot)
{
return nullptr;
};
if (nullptr == pRoot->MyLeft)
{
return pRoot;
}
else
{
find_min(pRoot->MyLeft);
}
return nullptr;
}

Node_Ptr find_max(Node_Ptr pRoot)
{
NULL_RETURN_VOID(pRoot);
if (nullptr == pRoot->MyRight)
{
return pRoot;
}
else
{
find_max(pRoot->MyRight);
}
return nullptr;
}

void insert(Node_Ptr *pRoot, Node_Ptr pNew)
{
if (nullptr == *pRoot)
{
//只有二维指针可以改变指针的值
*pRoot = pNew;
return;
}

if (pNew->MyData < (*pRoot)->MyData)
{
insert(&(*pRoot)->MyLeft, pNew);
}
else
{
insert(&(*pRoot)->MyRight, pNew);
}
}

void clear(Node_Ptr pNode)
{
if (nullptr != pNode)
{
clear(pNode->MyLeft);
clear(pNode->MyRight);
MyAlloc.Free(pNode);
_incsize(-1);
return;
}
}

void travelMidlle(Node_Ptr pNode)
{
if (!pNode)
{
return;
}
travelMidlle(pNode->MyLeft);
std::cout << pNode->MyData << '\t';
travelMidlle(pNode->MyRight);
}

void travelBack(Node_Ptr pNode)
{
if (!pNode)
{
return;
}
travelBack(pNode->MyLeft);
travelBack(pNode->MyRight);
std::cout << pNode->MyData << '\t';
}

void travelFront(Node_Ptr pNode)
{
if (!pNode)
{
return;
}
std::cout << pNode->MyData << '\t';
travelFront(pNode->MyRight);
travelFront(pNode->MyLeft);
}

Node_Ptr _buynode(const ValTy& data)
{
Node_Ptr pNew = (Node_Ptr)MyAlloc.Allocator(sizeof(MyBase));
pNew->MyData = data;
pNew->MyRight = nullptr;
pNew->MyLeft = nullptr;
return pNew;
}

void _incsize(size_type nCount)
{
MyCount += nCount;
}
private:
Alloc MyAlloc;
Node_Ptr MyRoot;
size_type MyCount;
};
#endif//_ZB_BINARYTREE_


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
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