Eden Mo Blog

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； ...

SFINAE SFINAE（Substitution Failure IS Not An Error）技术是模板引入的一种特性，替代失败不是错误，这种特性允许了模板中尽管发生不匹配也不会导致编译直接失败，而是由编译器继续去匹配其他类型，这是泛型编程得以实现基础；再者，它允许泛型更灵活地控制和管理各种数据类型行为，为萃取、特化做了铺垫。 任意的模板都体现了SFINAE，例如： 1234567891011121314151617181920212223#include <iostream>using namespace std;struct Test{ typedef int foo;};template<typename T> //#1void func(typename T::foo){ cout<<"void f(T::foo)"<< endl;}template<typename T> //#2void func(T){ cout ...

本文来自Modern C++ Design的第二章：技术，会记录以下技术内容： Partial template specialization，模板偏特化 Local Classes，局部类 型别与数值间的映射性(Int2type Type2Type class templates) 编译期察觉可转换性和继承性 型别信息及一个容易上手的std::type_info外覆类(wrapper) Select class template，编译器根据bool状态选择型别； Traits，traits技术集合 2.1 编译期错误Compile-Time Assertions及定制的错误日志 （注：代码复现价值并不大，因为现在的编译器能直接检出reinterpret_cast的错误转换，报错日志和原书不同；） 考虑一段实现安全转型的代码： 12345678910111213141516#include <iostream>#include <assert.h>using namespace std;template <typename T ...

泛型编程 从普通模板开始 使用普通模板注意以下几点。 废弃的模板导出 对于模板成员函数，C++11后基本废弃了“模板导出”特性，即应该尽量将模板成员函数的声明和定义放在头文件（内联实现），而并非单独在源文件给出模板的实现，因为编译器的复杂性因此大大增加甚至不再支持； 自动推导 模板类型可以放在参数、返回值或者函数体内： 1234567891011121314#include <iostream>using namespace std;template<typename T1,typename T2, typename T3>T3 add(T1 a,T2 b){ return a+b;}int main(){ int a = 2; float b = 3.14; cout<<add<int,float,float>(a,b); return 0;} 上述例子缺省任意显式类型都会被报错，因为传统的template仅支持有限的类型推导，如下例子：此处a+b的类型 ...