Eden Mo Blog

元组类型 C++越来越往Python方向靠近，以致习惯上回到纯C的时代开始使人无比痛苦。 是的，C++ 11引入了元组支持，支持将任意数量的类型封装成单一对象，且在C++ 17引入了auto[x,y,z] = t简单的解包方法；tuple没有size和type成员，需要std::tuple_size和std::tuple_element结合类型推导或萃取来获取大小和类型，以下： 1234567891011121314151617181920212223242526#include <iostream>#include <tuple>#include <type_traits>using namespace std;int main(){ //构造方式一： std::tuple<int, std::string, double> mytuple(0, "Eden", 1.2); //解包： cout << std::get<0>(mytuple) < ...

问题概述 系统时间跳变会导致一些系统时间依赖函数的异常工作，一个例子是sem_timedwait。当处于sem_timedwait阻塞等待时，如果此时系统时间跳变到起始时间之前: 1sudo date -s "2025-06-30 9:40:00" //修改系统时间 那么sem_timedwait会处于持续的阻塞状态，sem_timedwait不会返回，也不会产生任何打印效果，如下代码： 1234567891011121314151617181920212223242526272829#include <iostream>#include <time.h>#include <semaphore.h>#include <thread>using namespace std;struct timespec ts{};int main(){ sem_t sem_; sem_init(&sem_,0,0); while(true){ clo ...

boost::asio boost::asio是C++高级异步网络编程库，主要用于异步编程、调度和通讯，包括定时器、信号处理、异步执行、socket等基本功能。 本文围绕了asio入门的基础、常用接口部件等进行讨论，从简单的asio对象开始，分成异步编程和网络编程两大板块，并且相应地结合源码进行记录。本文会随着项目进展更新，相信会成为比较完备的ASIO入门体系。 boost::asio异步编程 asio::io_context 每个asio程序至少存在一个io_context对象（boost 1.66前称io_service），io_context是asio工作的核心，其提供了一个事件循环队列机制(类似Qt)，作为调度器完成事件调度；io_context本身不直接与通信对象通信，而是管理一系列IO资源如定时器、socket等。 asio定时器 asio支持三种定时器，为asio::system_timer、asio::steady_timer和asio::high_resolution_timer，另一种旧版本的deadline_timer已经被弃用；其中： as ...

问题起源 问题来自std::shared_ptr，为了保证shared_ptr的计数正确，只允许使用一个智能指针对象去使用裸指针构造，因此这样的代码是错误的： 123Person* p = new Person();std::shared_ptr<Person> p1(p);std::shared_ptr<Person> p2(p); 其后果是p在new时候执行了一次构造，p1和p2都认为自己管理了p，因此两个共享指针独立的控制块都显示引用数为1，所以析构时各自执行一次，导致双重删除： 123Person constructor called!Person destructor called!Person destructor called! 显式上我们不会这么干，但是有一些隐晦的写法还是触碰到这条红线，例如： 123456789101112131415161718192021222324#include <iostream>#include <memory>using namespace std;class Person&# ...

boost库 1998年，C++标准委员会创建了boost这个项目，初心是开发可复用的C++组件，为C++发展探索方向，boost早期严格遵循header-only原则，且代码评审规范，一度被称为最美的C++库之一，其次boost中的智能指针、regex、function/bind等一系列开发组件精华被C++标准库吸纳，成为C++事实上的重要参考库。由于boost是完全开源的，它可以前瞻性地完成一些C++开发中需要的组件，在项目上有重要应用成果。 因为项目需要，本系列会逐渐更新boost库的常用接口与原理，并持续更新。 从json方法开始。 boost::json boost::json::value 基本数据类型构造与转换 object的value和array的成员都是以boost::json::value的形式存储，因此解析时需要重新指定数据类型才能确保类型前后一致，类似QJson的toXXX接口，基本数据类型的boost::json::value支持若干种解析转换方法：as_object、as_array、as_bool、as_double、as_int64、as_ ...

Ubuntu Cmake版本更新 cmake通过bin生效，改变版本时通过软链接指向另一版本即可： 从cmake官网下载cmake-3.29.2.tar.gz，然后解压： 1sudo tar -xvzf cmake-3.29.2.tar.gz 配置编译和安装： 123sudo ./configuresudo make -j8sudo make install 此时cmake --version有可能输出新版本，也有可能保留旧版本，关键是/usr/bin/cmake的版本是什么，这里需要建立一个软链接，不要使用相对路径创建： 12sudo rm /usr/bin/cmakesudo ln -s /home/user/Desktop/cmake-3.29.2/bin/cmake /usr/bin/cmake ubuntu下boost安装/版本更新 查看版本： 12345#方式1：若是包安装dpkg -S /usr/include/boost/version.hpp#方式2：包安装或源码安装grep "#define BOOST_LIB_VERSION&qu ...

103c704d716c2a6b4b59a60c7b698e01e267a92d601a60f130246c8b57cc624af198f35b44186f916e87030c3305aea665b698f5705b3810f2c5f71a69ebd180727569d78e7ade3e120b672172d979cd8ffc903f2df6007979cb72c152cc0432e9093b6251aa47d770def05c18f970529dfe9f2b4c050f45dd60ce06dd0a91eed7eea9e622463657842c2d2364264c7051e7a4da4ec4dccc0896189016f74d0a7c60f08b0ad19c9adbceaa855c98591c3b74e871eacaf85be1785ca065d71a716c4900fe5181eb91b453432b2e0775782c8b5669a1c2c757c36b644b70c5bce2a2e7c1d4b4f5f07a0edb918c791b0fc6990eb0ede1335f04a ...

归一化 讨论归一化主要是图像数据分析中用到，cv::normalize支持将Mat数据归一化: 123456789void normalize( cv::InputArray src, cv::InputOutputArray dst, double alpha = (1.0), //归一化倍数/下限，根据类型不同而不同； double beta = (0.0), //无意义或归一化上限，根据类型不同而不同，见下文； int norm_type = 4, //默认L2范数，四种方式，cv::NORM_L1/cv::NORM_L2/cv::NORM_INF/cv::NORM_MINMAX int dtype = -1, //输出矩阵类型，-1保持和原矩阵一致 cv::InputArray mask = noArray() //位置掩图，如果对src某区域归一化传入同size的mask(对应roi置白)) 这里重要的地方是norm_type对应几种规范化类型，分别是L1范数(平均值)、L2范数、最大值以及范围规范化。 ...

形态学处理 在传统图像处理中，形态学处理可算是最为强大的功能之一，只要你稍微有一些粗略的识别-分类需求需要对图像进行前处理，形态学都能帮上大忙，而且具备极高的计算效率。 这得益于其计算原理的简单，腐蚀和膨胀是两种基本操作，注意这里形态学处理的对象都是二值图； 腐蚀与膨胀 腐蚀的基本原理是以二值卷积核和二值图卷积，只要一个位置的相乘结果为0，那么中心像素即为0： 腐蚀基本运算 腐蚀函数原型是： 123456789void erode( cv::InputArray src, //输入二值图像 cv::OutputArray dst, //输出二值图像 cv::InputArray kernel, //卷积核 cv::Point anchor = cv::Point(-1, -1), //处理锚点，默认中心点 int iterations = 1, //腐蚀次数 int borderType = 0, //边值处理：默认常数填充 const cv::Scalar &borderValue = morphologyD ...

二值化 全局阈值 将灰度图二值化是图像处理基本操作，比较简单： 1234567double threshold( InputArray src, //输入灰度图 OutputArray dst, //输出二值图 double thresh, //分割阈值 double maxval, //最大阈值，是否生效与类型相关 int type //二值化类型); 二值化类型包括： THRESH_BINARY：普通二值化，像素大于thresh的设为maxval，其余为0； THRESH_BINARY_INV：反二值化，像素大于thresh的设为0，其余为maxval； THRESH_TRUNC：截断二值化，像素大于thresh设置为thresh，其余不变； THRESH_TOZERO：零二值化，像素大于thresh则不变，其余为0； THRESH_TOZERO_INV：反的零二值化，像素大于thresh设置为0，其余不变； THRESH_OTSU：大津法，适用于双峰图像； ...