Eden Mo Blog

单例模式 保证一个类仅提供一个实例，并且通过此唯一实例提供类数据的全局访问，该模式被称为单例模式，单例模式常常应用于仅需单一对象的任务，例如打印时仅有一个打印上下文对象、写入文件时仅提供一个对象防止繁琐的同步机制等。 为了实现这种特性，单例模式的类采用了： 私有化的构造函数：禁止在类外实例化类对象； 禁用的拷贝、赋值构造函数：防止出现第二个实例； 单例模式的另一个初衷是避免单一实例反复构造和析构带来大量的开销，且通过类名即可访问，因此单例模式采用了静态成员变量对象，为了操作这个静态成员变量提供了公共的静态成员函数接口，通过此函数向类外提供静态对象。 一个单例模式的类如下： 12345678910class Singleton{public: Singleton(const Singleton& obj) = delete; Singleton& operator=(const Singleton& obj) = delete; static Singleton* getInstance();private: ...

Sobel算子 Sobel算子是一种边缘检测算子，由Irwin Sobel在1968斯坦福的博士生讨论会提出，在那个不重视论文和专利的年代，作者也没有为此发表论文，只在后来一本专著中公开，从此广泛被学界和工业界引用了几十年。 图像处理中经典的3阶Sobel卷积核常常表述为x方向和y方向，分别为： 此处我们发现零行两侧的系数恰好是相反数，尽管一些博客中矩阵调换了两侧符号顺序，只影响差分顺序，并不影响最终的差分结果。 Sobel算子的推导我查阅了大量博客资料，发现大多摘自电子科大彭真明教授的Sobel算子的数学基础，彭教授的参考来自文献，主要问题来自公式解读不同，以此图为坐标系： 原文公式为： 其中(1,1)、(-1,1)、(0,1)、(1,0)来自四个方向相邻点的方向向量，既然仅考虑了相邻点，所以这里是一种前向差分，前向差分表述为： 对于四分一、二分一，这里彭教授认为是一种城市距离(city-block distance)，几种常见距离定义如下图： 距离定义 根据文献意图，四个方向梯度计算完成，还需要除以4以获取平均梯度，浮点数的矩阵运算是麻 ...

霍夫变换(Hough Transform) 霍夫变换只是一种特征变换，服务于图像霍夫直线、圆的检测，这两种图形是霍夫变换最常用的两个应用，也算基本图形，基于此扩展霍夫检测能识别图像中几乎所有的几何图形。 对人而言判断一条直线或者某种图形是非常直接简单的，而对于计算机而言，它获取的信息是像素，如何确定某一群像素就是一条共线的直线、一个圆形，如果出现像素外溢，如何辨认出这种偏差影响，是比较复杂的任务，也是霍夫变换的基本任务。 霍夫直线检测基本原理 假设给定两点像素坐标(x1,y1)和(x2,y2)，可知过两点得到一条直线y = kx + b，这是笛卡尔空间的表达式，重新描述这个表达式: b = -xk + y，自变量为k、因变量为b，该空间称为霍夫空间，对于笛卡尔坐标的两点(x1,y1)和(x2,y2)，分别对应b = -x1k + y1和b = -x2k + y2，即对应霍夫空间两条线，且x1不等于x2的情况下（相等的情况后文再讨论），两条霍夫空间直线必然交与一点，该点(b0,k0)同时满足两条霍夫直线方程，故知(b0,k0)就是原式y = kx + b的解。 因此，一句话表 ...

OpenCV轮廓 轮廓提取任务是许多图像分析、识别的必要步骤，前置工作是将灰度图进行二值化，然后基于二值化图进行轮廓提取，本文记录了OpenCV一系列轮廓相关的分析手段，包括基本轮廓提取、绘制、外接多边形/椭圆/圆、多轮廓的交、并、差填充等。 轮廓提取与绘制 cv提供了强大的基本轮廓识别和绘制功能： 123456789101112131415161718192021222324void cv::findContours(InputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point())参数：image：输入的二值图像contours：轮廓信息，一般为点的二维vector，第一维是数组，代表第i个轮廓的点集，第二维是某个轮廓的第j个点hierarchy：轮廓层次信息，一般是关于Vec4i的vector，第一维代表第i个轮廓；第 ...

protobuf使用 虽然protobuf的版本管理比较拉跨，然而其使用指南可以说非常详尽与方便，具体可参考： Language Guide (proto 3) Language Guide (proto 2) C++ Generated Code Guide Protocol Buffer Basics: C++ 本文记录了其中proto3使用和C++构建和使用proto较重点的部分，只有少量proto2部分（少用； proto 3基础语法 第一行必须非空、非注释行，表示版本信息，如：syntax = "proto3";若缺省默认为proto2； 第二行一般使用package xxx;指明包名，防止不同protobuf定义的冲突； 数据类型 标量类型(Scalar Value Types) 一般数据类型，和C++数据类型类似； 类型 说明 类型 说明 double 64浮点 float 32浮点 uint32 相当于uint32,可变长度编码 fixed32 ...

C++ Protocol Buffers protobuf是google推出的一个数据序列化/反序列化库，和Json/XML类似，但是其以二进制编码进行传输，而Json/XML以文本格式传输，因此文件大小更小(3-10倍)、传输速度更快(20-100倍)； protobuf是一种语言无关的库，支持C++、Python、Java、Js、Ruby等主流语言，广泛用于网络、数据传输中，例如网络协议grpc； 但protobuf也不是完美的，例如它不能像Json一样即插即用，对C++而言尤为复杂，需要编译器以及runtime环境，对其他语言略微友好一点；以下记录了Win10 + MSVC编译protobuf过程，尽量列出要点，对版本无要求的可以按照本文进行，经过二次验证成功率较高，对于非C++用户/配置/VS小白/高血压患者建议使用Unix环境包管理器或vcpkg等安装依赖，无需参考本文（本文也针对禁git的生产环境。 protobuf的github仓库给出了各种语言的安装方法，但就C++安装而言其指向仍然是不清晰的，这也是issue和迭代频繁的原因，网上提供的方法许多已经过时，因 ...

cmake学习 为什么需要cmake： C/CPP复杂的编译依赖关系需要通过特定文件指定，方便大型项目管理； Cmake学习成本远低于Makefile文件； 本文主要参考两篇cmake教程良作：CMake 保姆级教程（上）和CMake 保姆级教程（下），写得比较详细，可直接移步学习； 另外，和原作不同，本文主要基于windows环境验证，基本也是大同小异. 准备工作 windows：检查cmake安装、mingw编译器安装并添加了相关环境变量 linux：cmake安装、gcc -v、g++ -v、make -v均有对应版本输出； 多文件编译 假设存在g++环境，编译以下若干示例文件方法：g++ main.cpp div.cpp multi.cpp sub.cpp add.cpp -o test.exe 123456//add.cpp#include <iostream>#include "main.h"int add(int a,int b){ return a+b;} 123456//su ...

正则表达式 仅记录常识。 单字符匹配 1234567[abcd] 仅匹配列表中的单个字符[^abcde] 匹配列表以外的字符单字符[a-z] 匹配a-z，大写、数字同理[\w] 匹配小写、大写、数字、下划线，同[A-Za-z0-9_]（单个字符）[\d] 匹配单个数字[\s\S] \s匹配空白符(空格、tab、换行等)；\S匹配非空白符（非换行、空格、制表等）；[.] 任意单字符，除了换行； 多次匹配 12345{n} 匹配n次{n,m} 匹配n到m次* *前面的字符或者表达式匹配0次或多次+ +前面的字符或者表达式匹配1次或多次? ?前面的字符或者表达式匹配0次或1次 例子： 12345678910string test = "edcbabcdex"; ...

Qt作为一种跨平台开发工具，具有强大的基本数据类型基础，除了承袭C++和STL数据类型的衣钵，还抽象出大量的Qt特色数据类型支撑以满足应用开发的各种需求。本文记录了常用的一些数据类型，持续更新。 Qt基本数据类型 以下数据类型对应不同位数，用于要求较高的场合；跨平台环境应该避免直接使用int和long，int最常见是32位的，但是也见16位、64位；long在32位系统是32位，相当于int，在64位系统是64位的，相当于long long。 类型 大小 说明 bool 8位 布尔 int8_t/qint8 8位 signed char int16_t/qint16 16位 signed short int32_t/qint32/int 32位 signed int int64_t/qint64 64位 long long int uint8_t/quint8 8位 unsigned char uint16_t/quint16 16位 unsigned sh ...

插值算法 图像放缩的过程也是像素增加、减小的过程，因此需要插值算法、采样算法等，在保证一定性能的基础上争取较好的输出质量。记录几种方法原理，对应OpenCV中几种常用插值算法，分别是最近邻插值、双线性插值、双三次插值，其性能依次递减，效果依次递增，其中双线性插值是二者比较均衡的算法，是许多插值模型的默认模式。如果对原生插值算法无兴趣，可直接跳过本文，看简单的放缩函数，不小心引出这么一大段，我想也是比较扯蛋，但终归有所收获。 最近邻插值INTER_NEAREST 最近邻插值最大的特点是：不会产生新的像素，目标图像的像素均来自源图像，新图像坐标与源图像坐标对应如下: 例如将2*2的图片放大成4*8的图片，新图(3,8)位置的像素计算： 故取原图(2,2)位置的像素。 最近邻插实现图像放大：由于我先完成了双三次和双线性插值算法再回头写这个，有些问题反而在篇头省略了。例如这里的int y_ = round((i+0.5)*scale_y-0.5)等详见后文《双线性插值优化》讨论，是一种几何中心对齐，主要是用于纠正计算参考点时几何中心偏差。 123456789101112131 ...