List与数组互转

这篇博客详细介绍了如何在Java中将数组转换为List,以及List转换回数组的方法。在数组转List的过程中,文章指出转换后的ArrayList是Arrays类的内部类,如果修改原数组,List的值也会相应变化。同时,文章提到了使用Java 8的Stream API进行转换,得到的List是标准的ArrayList,可以直接添加或删除元素。在List转数组时,文章讨论了两个API的区别,并通过代码示例展示了转换过程。

List与数组互转

数组转List

  • 使用Arrays.asList(T... a)方法。

            String[] arr = new String[]{"a","b","c"};
            List<String> stringList = Arrays.asList(arr);
    

    这里有两个需要注意的点:

    1. 通过asList()方法转出来的List是一个ArrayList,不过这个ArrayList并不是java.util包下的那个ArrayList,而是Arrays这个类的一个内部类,这个ArrayList并没有重写AbstractList的add(E e)方法,所以如果对stringList进行添加元素操作,会抛出UnsupportedOperationException,这个在AbstractList源码中里面有体现。

    2. 如果修改原数组的值,则List相应的元素的值也会跟着变化。这点从源码中就能看出

          @SafeVarargs
          @SuppressWarnings("varargs")
          public static <T> List<T> asList(T... a) {
              return new ArrayList<>(a);
          }
      

      直接new了一个自己的内部类ArrayList,然后再继续看ArrayList的构造方法

      ArrayList(E[] array) {
          a = Objects.requireNonNull(array);
      }
      

      直接把传进来的数组赋值给了ArrayList里面的容器,这也就能明白了为什么修改原数组,List的值也会发生变化。

      验证如下:

              String[] arr = new String[]{"a","b","c"};
              List<String> stringList = Arrays.asList(arr);
              arr[0] = "1";
              for (int i = 0; i < arr.length; i++) {
                  System.out.println(arr[i]);
              }
              System.out.println("-----------------");
              stringList.forEach(System.out::println);
      

      输出:

      1
      b
      c
      -----------------
      1
      b
      c
      

      可以看到,stringList的值也在跟着变化。

  • 使用Java8的Stream API中的Arrays.stream(T[] array)或者Stream.of(T... values)实现,并且这个转换出来的List是货真价实的java.util包下的ArrayList,是可以直接添加删除元素的。

            String[] arr = new String[]{"a","b","c"};
            List<String> stringList = Stream.of(arr).collect(Collectors.toList());
            stringList.add("d");
            stringList.forEach(System.out::println);
    

    输出

    a
    b
    c
    d
    

List 转数组

  • List有两个API可以实现toArray()toArray(T[] a),区别在于toArray()返回的是个Object[]数组,而toArray(T[] a)返回的是泛型数组。

    通过toArray(T[] a)的源码可以看到其内部做了判断,

        @SuppressWarnings("unchecked")
        public <T> T[] toArray(T[] a) {
            if (a.length < size)
                // Make a new array of a's runtime type, but my contents:
                return (T[]) Arrays.copyOf(elementData, size, a.getClass());
            System.arraycopy(elementData, 0, a, 0, size);
            if (a.length > size)
                a[size] = null;
            return a;
        }
    

    如果传入的数组a的长度小于等于list的长度,则返回一个新数组,如果a的长度大于等于list的长度,则返回的是是传入的数组a本身,并且当a的长度大于list的长度时,会将返回的数组中a[size]的值设为null,这样就方便调用者就可以知道数组中null值以前的数据都是list的,null就相当于一个分割位。

    测试代码:

            List<String> list=new ArrayList<>();
            list.add("a");
            list.add("b");
            list.add("c");
            list.add("d");
            String[] str0 = new String[]{"1","2","3","4","5","6"};
            String[] str1 = list.toArray(str0);
            str0[0] = "0";
            for (int i = 0; i < str1.length; i++) {
                System.out.println(str1[i]);
            }
    
            System.out.println("-------");
    
            System.out.println(str0.equals(str1));
            System.out.println(str0 == str1);
            System.out.println(str0);
            System.out.println(str1);
    

    输出:

    0
    b
    c
    d
    null
    6
    -------
    true
    true
    [Ljava.lang.String;@6ed3ef1
    [Ljava.lang.String;@6ed3ef1
    

    可以看出,当参数a[]的长度大于list的长度后,返回的数组其实就是a本身。

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