提取轮廓函数 cvFindContours ---OpenCV

2024-06-22 09:48
文章标签 提取 函数 opencv 轮廓 cvfindcontours

本文主要是介绍提取轮廓函数 cvFindContours ---OpenCV，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

提取轮廓在OpenCV里有一个函数 cvFindContours

http://www.myexception.cn/internet/1450415.html

[cpp] view plaincopyprint?
  1. int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,int header_size=sizeof(CvContour),int mode=CV_RETR_LIST,int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );  
int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,int header_size=sizeof(CvContour),int mode=CV_RETR_LIST,int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );


















这个函数用起来很方便，但是随着你使用的深入，你会发现有一些迷惑在这里。比如当你提取轮廓时只需要最外围的一个轮廓，但是你会发现当轮廓画出来时是好几个；当你需要找一个最大轮廓时却发现找出来的却根本就不是你想要的那个。带着这样问题我们再来仔细看看cvFindContours这个函数。




下边的是一位仁兄写的测试程序和测试图片，说明提取轮廓的两种方法及绘制轮廓中最大等级分析的问题，非常感谢他的分享，原文戳这里：








[cpp] view plaincopyprint?




  1. 
/************************************************************************/     
  2. 
/* 提取轮廓两种方法对比及绘制轮廓'最大等级'分析                         */     
  3. 
/************************************************************************/     
  4. 
#include "stdafx.h"     
  5. 
#include "cv.h"     
  6. 
#include "highgui.h"     
  7. 
int main()     
  8. 
{     
  9. 
    IplImage* img = cvLoadImage("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE);     
  10. 
    IplImage* img_temp = cvCreateImage(cvGetSize(img), 8, 1);     
  11. 
    cvThreshold(img, img, 128, 255, CV_THRESH_BINARY);     
  12. 
    CvMemStorage* mem_storage = cvCreateMemStorage(0);     
  13. 
    CvSeq *first_contour = NULL, *c = NULL;     
  14. 
    //     
  15. 
    // 1、     
  16. 
    cvNamedWindow("contour1");     
  17. 
    cvCopyImage(img, img_temp);     
  18. 
    double t = (double)cvGetTickCount();   
  19. 
    cvFindContours(img_temp, mem_storage, &first_contour);     
  20. 
    cvZero(img_temp);     
  21. 
    cvDrawContours(     
  22. 
        img_temp,      
  23. 
        first_contour,     
  24. 
        cvScalar(100),     
  25. 
        cvScalar(100),     
  26. 
        1     
  27. 
        );     
  28. 
    t = (double)cvGetTickCount() - t;    
  29. 
    cvShowImage("contour1", img_temp);     
  30. 
    printf("run1 = %gms\n", t/(cvGetTickFrequency()*1000.));     
  31. 
    cvClearMemStorage(mem_storage);     
  32. 
    //     
  33. 
    // 2、     
  34. 
    cvNamedWindow("contour2");     
  35. 
    cvCopyImage(img, img_temp);     
  36. 
    t = (double)cvGetTickCount();   
  37. 
    CvContourScanner scanner = cvStartFindContours(img_temp, mem_storage);     
  38. 
    while (cvFindNextContour(scanner));     
  39. 
    first_contour = cvEndFindContours(&scanner);     
  40. 
    cvZero(img_temp);     
  41. 
    cvDrawContours(     
  42. 
        img_temp,      
  43. 
        first_contour,     
  44. 
        cvScalar(100),     
  45. 
        cvScalar(100),     
  46. 
        1     
  47. 
        );     
  48. 
    t = (double)cvGetTickCount() - t;    
  49. 
    cvShowImage("contour2", img_temp);     
  50. 
    printf("run2 = %gms\n", t/(cvGetTickFrequency()*1000.));     
  51. 
    cvClearMemStorage(mem_storage);     
  52. 
    cvReleaseImage(&img);     
  53. 
    cvReleaseImage(&img_temp);     
  54. 
    cvWaitKey();     
  55. 
    /************************************************************************/     
  56. 
    /* 经测试 run1 = 16.1431ms run2 = 15.8677ms (参考)
  57. 
       不过可以肯定这两中算法时间复杂度是相同的                                     */     
  58. 
    /************************************************************************/     
  59. 
    //     
  60. 
    // 上述两种方法完成了对轮廓的提取,如想绘制轮廓都得配合cvDrawContours来使用     
  61. 
    // 而cvDrawContours 函数第5个参数为 max_level 经查ICVL含义如下:     
  62. 
    //     
  63. 
    // 绘制轮廓的最大等级。如果等级为0，绘制单独的轮廓。如果为1，绘制轮廓及在其后的相同的级别下轮廓。     
  64. 
    // 如果值为2，所有的轮廓。如果等级为2，绘制所有同级轮廓及所有低一级轮廓，诸此种种。如果值为负数，     
  65. 
    // 函数不绘制同级轮廓，但会升序绘制直到级别为abs(max_level)-1的子轮廓。     
  66. 
    //     
  67. 
    // 相信好多读者初次都无法理解等级的含义,而且测试时候输入>=1 的整数效果几乎一样     
  68. 
    // 只有提取轮廓时候的提取模式设为 CV_RETR_CCOMP CV_RETR_TREE 时这个参数才有意义     
  69. 
    //     
  70. 
    // 经查FindContours 函数里面这样介绍提取模式(mode)的这两个参数:     
  71. 
    // CV_RETR_CCOMP - 提取所有轮廓，并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界，次层为洞的内层边界。      
  72. 
    // CV_RETR_TREE - 提取所有轮廓，并且重构嵌套轮廓的全部 hierarchy      
  73. 
    //      
  74. 
    // 下面用第一种方法进行测试     
  75. 
     
  76. 
    cvNamedWindow("contour_test");     
  77. 
    cvNamedWindow("contour_raw");     
  78. 
    img = cvLoadImage("contour.jpg", CV_LOAD_IMAGE_GRAYSCALE);     
  79. 
    cvShowImage("contour_raw", img);     
  80. 
    cvThreshold(img, img, 128, 255, CV_THRESH_BINARY);     
  81. 
    img_temp = cvCloneImage(img);     
  82. 
    cvFindContours(     
  83. 
        img_temp,      
  84. 
        mem_storage,      
  85. 
        &first_contour,     
  86. 
        sizeof(CvContour),     
  87. 
        CV_RETR_CCOMP           //#1 需更改区域     
  88. 
        );     
  89. 
     
  90. 
    cvZero(img_temp);     
  91. 
    cvDrawContours(     
  92. 
        img_temp,      
  93. 
        first_contour,     
  94. 
        cvScalar(100),     
  95. 
        cvScalar(100),     
  96. 
        1                       //#2 需更改区域     
  97. 
        );     
  98. 
    cvShowImage("contour_test", img_temp);     
  99. 
    /************************************************************************/     
  100. 
    /* (1, 2) = (CV_RETR_CCOMP, 1)  如图1 
  101. 
       (1, 2) = (CV_RETR_CCOMP, 2)  如图2 
  102. 
       (1, 2) = (CV_RETR_TREE, 1)   如图3 
  103. 
       (1, 2) = (CV_RETR_TREE, 2)   如图4 
  104. 
       (1, 2) = (CV_RETR_TREE, 6)   如图5 
  105. 
       经分析CV_RETR_CCOMP 只把图像分为两个层次,顶层和次层,一等级轮廓只匹配与其最接近 
  106. 
       的内侧轮廓即2等级 
  107. 
       CV_RETR_TREE 则从轮廓外到内按等级1 - n 全部分配         
  108. 
       CV_RETR_LIST 全部轮廓均为1级                        */     
  109. 
    /************************************************************************/     
  110. 
    cvWaitKey();     
  111. 
    cvReleaseImage(&img);     
  112. 
    cvReleaseImage(&img_temp);     
  113. 
    cvReleaseMemStorage(&mem_storage);     
  114. 
    cvDestroyAllWindows();     
  115. 
    return 0;     
  116. 
} 




/************************************************************************/    
/* 提取轮廓两种方法对比及绘制轮廓'最大等级'分析                         */    
/************************************************************************/    
#include "stdafx.h"    
#include "cv.h"    
#include "highgui.h"    int main()    
{    IplImage* img = cvLoadImage("lena.jpg", CV_LOAD_IMAGE_GRAYSCALE);    IplImage* img_temp = cvCreateImage(cvGetSize(img), 8, 1);    cvThreshold(img, img, 128, 255, CV_THRESH_BINARY);    CvMemStorage* mem_storage = cvCreateMemStorage(0);    CvSeq *first_contour = NULL, *c = NULL;    //    // 1、    cvNamedWindow("contour1");    cvCopyImage(img, img_temp);    double t = (double)cvGetTickCount();  cvFindContours(img_temp, mem_storage, &first_contour);    cvZero(img_temp);    cvDrawContours(    img_temp,     first_contour,    cvScalar(100),    cvScalar(100),    1    );    t = (double)cvGetTickCount() - t;   cvShowImage("contour1", img_temp);  printf("run1 = %gms\n", t/(cvGetTickFrequency()*1000.));  cvClearMemStorage(mem_storage);    //    // 2、    cvNamedWindow("contour2");    cvCopyImage(img, img_temp);    t = (double)cvGetTickCount();  CvContourScanner scanner = cvStartFindContours(img_temp, mem_storage);    while (cvFindNextContour(scanner));    first_contour = cvEndFindContours(&scanner);cvZero(img_temp);    cvDrawContours(    img_temp,     first_contour,    cvScalar(100),    cvScalar(100),    1    );    t = (double)cvGetTickCount() - t;   cvShowImage("contour2", img_temp);    printf("run2 = %gms\n", t/(cvGetTickFrequency()*1000.));   cvClearMemStorage(mem_storage);    cvReleaseImage(&img);    cvReleaseImage(&img_temp);    cvWaitKey();    /************************************************************************/    /* 经测试 run1 = 16.1431ms run2 = 15.8677ms (参考) 不过可以肯定这两中算法时间复杂度是相同的                                     */    /************************************************************************/ //    // 上述两种方法完成了对轮廓的提取,如想绘制轮廓都得配合cvDrawContours来使用    // 而cvDrawContours 函数第5个参数为 max_level 经查ICVL含义如下: // 绘制轮廓的最大等级。如果等级为0，绘制单独的轮廓。如果为1，绘制轮廓及在其后的相同的级别下轮廓。    // 如果值为2，所有的轮廓。如果等级为2，绘制所有同级轮廓及所有低一级轮廓，诸此种种。如果值为负数，    // 函数不绘制同级轮廓，但会升序绘制直到级别为abs(max_level)-1的子轮廓。    //    // 相信好多读者初次都无法理解等级的含义,而且测试时候输入>=1 的整数效果几乎一样    // 只有提取轮廓时候的提取模式设为 CV_RETR_CCOMP CV_RETR_TREE 时这个参数才有意义    //    // 经查FindContours 函数里面这样介绍提取模式(mode)的这两个参数:    // CV_RETR_CCOMP - 提取所有轮廓，并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界，次层为洞的内层边界。     // CV_RETR_TREE - 提取所有轮廓，并且重构嵌套轮廓的全部 hierarchy     //     // 下面用第一种方法进行测试    cvNamedWindow("contour_test");    cvNamedWindow("contour_raw");    img = cvLoadImage("contour.jpg", CV_LOAD_IMAGE_GRAYSCALE);    cvShowImage("contour_raw", img);    cvThreshold(img, img, 128, 255, CV_THRESH_BINARY);    img_temp = cvCloneImage(img);    cvFindContours(    img_temp,     mem_storage,     &first_contour,    sizeof(CvContour),    CV_RETR_CCOMP           //#1 需更改区域    );    cvZero(img_temp);    cvDrawContours(    img_temp,     first_contour,    cvScalar(100),    cvScalar(100),    1                       //#2 需更改区域    );    cvShowImage("contour_test", img_temp);    /************************************************************************/    /* (1, 2) = (CV_RETR_CCOMP, 1)  如图1  (1, 2) = (CV_RETR_CCOMP, 2)  如图2  (1, 2) = (CV_RETR_TREE, 1)   如图3  (1, 2) = (CV_RETR_TREE, 2)   如图4  (1, 2) = (CV_RETR_TREE, 6)   如图5  经分析CV_RETR_CCOMP 只把图像分为两个层次,顶层和次层,一等级轮廓只匹配与其最接近  的内侧轮廓即2等级  CV_RETR_TREE 则从轮廓外到内按等级1 - n 全部分配          CV_RETR_LIST 全部轮廓均为1级                        */    /************************************************************************/   cvWaitKey();    cvReleaseImage(&img);    cvReleaseImage(&img_temp);    cvReleaseMemStorage(&mem_storage);    cvDestroyAllWindows();    return 0;    
}







原图







图一







图二









图三







图四







图五



这是OpenCV的经典一个例子：










[cpp] view plaincopyprint?




  1. 
#include "cv.h" 
  2. 
#include "cxcore.h" 
  3. 
#include "highgui.h" 
  4. 
#include <math.h> 
  5. 
#endif 
  6. 
  
  7. 
#pragma   comment(lib,"cv.lib")   
  8. 
#pragma   comment(lib,"highgui.lib")   
  9. 
#pragma   comment(lib,"cxcore.lib") 
  10. 
 
  11. 
#define w 500 
  12. 
int levels = 3; 
  13. 
CvSeq* contours = 0; 
  14. 
void on_trackbar(int pos) 
  15. 
{ 
  16. 
    IplImage* cnt_img = cvCreateImage( cvSize(w,w), 8, 3 ); 
  17. 
    CvSeq* _contours = contours; 
  18. 
    int _levels = levels - 3; 
  19. 
    if( _levels <= 0 ) // get to the nearest face to make it look more funny 
  20. 
        _contours = _contours->h_next->h_next->h_next->h_next->h_next->h_next->h_next->v_next->h_next->h_next; 
  21. 
//_contours = _contours->v_next; 
  22. 
    cvZero( cnt_img ); 
  23. 
    cvDrawContours( cnt_img, _contours, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels);//, 3, CV_AA, cvPoint(0,0) ); 
  24. 
    /*_levels:
  25. 
3，所有外轮廓及包含的内轮廓及里面的内轮廓
  26. 
2：所有外轮廓及包含的内轮廓
  27. 
1:所有外轮廓
  28. 
0，第一个外轮廓
  29. 
-1：第一个外轮廓及包含的内轮廓
  30. 
-2：第一个外轮廓及包含的内轮廓及里面的内轮廓
  31. 

  32. 

  33. 
   _contours->h_next:同级的下一个轮廓
  34. 
_contours->v_next父级下的下层区域；
  35. 
*/ 
  36. 
cvShowImage( "contours", cnt_img ); 
  37. 
    cvReleaseImage( &cnt_img ); 
  38. 
} 
  39. 
int main( int argc, char** argv ) 
  40. 
{ 
  41. 
    int i, j; 
  42. 
    CvMemStorage* storage = cvCreateMemStorage(0); 
  43. 
    IplImage* img = cvCreateImage( cvSize(w,w), 8, 1 ); 
  44. 
    cvZero( img ); 
  45. 
    for( i=0; i < 6; i++ ) 
  46. 
    { 
  47. 
        int dx = (i%2)*250 - 30;//0%2=0; 
  48. 
        int dy = (i/2)*150; 
  49. 
        CvScalar white = cvRealScalar(255); 
  50. 
        CvScalar black = cvRealScalar(0); 
  51. 
        if( i == 0 ) 
  52. 
        { 
  53. 
            for( j = 0; j <= 10; j++ ) 
  54. 
            { 
  55. 
                double angle = (j+5)*CV_PI/21; 
  56. 
                cvLine(img, cvPoint(cvRound(dx+100+j*10-80*cos(angle)), 
  57. 
                    cvRound(dy+100-90*sin(angle))), 
  58. 
                    cvPoint(cvRound(dx+100+j*10-30*cos(angle)), 
  59. 
                    cvRound(dy+100-30*sin(angle))), white, 1, 8, 0); 
  60. 
            } 
  61. 
        } 
  62. 
        cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(100,70), 0, 0, 360, white, -1, 8, 0 ); 
  63. 
        cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 ); 
  64. 
        cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 ); 
  65. 
        cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 ); 
  66. 
        cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 ); 
  67. 
        cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 ); 
  68. 
        cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 ); 
  69. 
        cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(10,5), 0, 0, 360, black, -1, 8, 0 ); 
  70. 
        cvEllipse( img, cvPoint(dx+150, dy+150), cvSize(40,10), 0, 0, 360, black, -1, 8, 0 ); 
  71. 
        cvEllipse( img, cvPoint(dx+27, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 ); 
  72. 
        cvEllipse( img, cvPoint(dx+273, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 ); 
  73. 
    } 
  74. 
    cvNamedWindow( "image", 1 ); 
  75. 
    cvShowImage( "image", img ); 
  76. 
    cvFindContours( img, storage, &contours, sizeof(CvContour), 
  77. 
                    2, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); 
  78. 
    // comment this out if you do not want approximation 
  79. 
    contours = cvApproxPoly( contours, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 3, 1 ); 
  80. 
//cvApproxPoly:                                                 逼近方法     精度 逼近曲线是否封闭 
  81. 
    cvNamedWindow( "contours", 1 ); 
  82. 
    cvCreateTrackbar( "levels+3", "contours", &levels, 7, on_trackbar ); 
  83. 
    on_trackbar(0); 
  84. 
    cvWaitKey(0); 
  85. 
    cvReleaseMemStorage( &storage ); 
  86. 
    cvReleaseImage( &img ); 
  87. 
    return 0; 
  88. 
} 




#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include <math.h>
#endif
#pragma   comment(lib,"cv.lib")  
#pragma   comment(lib,"highgui.lib")  
#pragma   comment(lib,"cxcore.lib")
#define w 500
int levels = 3;
CvSeq* contours = 0;
void on_trackbar(int pos)
{IplImage* cnt_img = cvCreateImage( cvSize(w,w), 8, 3 );CvSeq* _contours = contours;int _levels = levels - 3;if( _levels <= 0 ) // get to the nearest face to make it look more funny_contours = _contours->h_next->h_next->h_next->h_next->h_next->h_next->h_next->v_next->h_next->h_next;
//_contours = _contours->v_next;cvZero( cnt_img );cvDrawContours( cnt_img, _contours, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels);//, 3, CV_AA, cvPoint(0,0) );/*_levels:
3，所有外轮廓及包含的内轮廓及里面的内轮廓
2：所有外轮廓及包含的内轮廓
1:所有外轮廓
0，第一个外轮廓
-1：第一个外轮廓及包含的内轮廓
-2：第一个外轮廓及包含的内轮廓及里面的内轮廓_contours->h_next:同级的下一个轮廓
_contours->v_next父级下的下层区域；
*/
cvShowImage( "contours", cnt_img );cvReleaseImage( &cnt_img );
}
int main( int argc, char** argv )
{int i, j;CvMemStorage* storage = cvCreateMemStorage(0);IplImage* img = cvCreateImage( cvSize(w,w), 8, 1 );cvZero( img );for( i=0; i < 6; i++ ){int dx = (i%2)*250 - 30;//0%2=0;int dy = (i/2)*150;CvScalar white = cvRealScalar(255);CvScalar black = cvRealScalar(0);if( i == 0 ){for( j = 0; j <= 10; j++ ){double angle = (j+5)*CV_PI/21;cvLine(img, cvPoint(cvRound(dx+100+j*10-80*cos(angle)),cvRound(dy+100-90*sin(angle))),cvPoint(cvRound(dx+100+j*10-30*cos(angle)),cvRound(dy+100-30*sin(angle))), white, 1, 8, 0);}}cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(100,70), 0, 0, 360, white, -1, 8, 0 );cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(30,20), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 );cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(15,15), 0, 0, 360, white, -1, 8, 0 );cvEllipse( img, cvPoint(dx+115, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+185, dy+70), cvSize(5,5), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+150, dy+100), cvSize(10,5), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+150, dy+150), cvSize(40,10), 0, 0, 360, black, -1, 8, 0 );cvEllipse( img, cvPoint(dx+27, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 );cvEllipse( img, cvPoint(dx+273, dy+100), cvSize(20,35), 0, 0, 360, white, -1, 8, 0 );}cvNamedWindow( "image", 1 );cvShowImage( "image", img );cvFindContours( img, storage, &contours, sizeof(CvContour),2, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) );// comment this out if you do not want approximationcontours = cvApproxPoly( contours, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 3, 1 );//cvApproxPoly:                       逼近方法     精度 逼近曲线是否封闭cvNamedWindow( "contours", 1 );cvCreateTrackbar( "levels+3", "contours", &levels, 7, on_trackbar );on_trackbar(0);cvWaitKey(0);cvReleaseMemStorage( &storage );cvReleaseImage( &img );return 0;
}







主要还是理解下int
mode=CV_RETR_LIST,int
method=CV_CHAIN_APPROX_SIMPLE,CvPoint
offset=cvPoint(0,0));



当mode
为CV_RETR_CCOMP 只把图像分为两个层次,顶层和次层,一等级轮廓只匹配与其最接近 ；



cvDrawContours
函数第5个参数为 max_level=0时，笑脸图像会显示第一个找到的轮廓，左边的白色耳朵一只；





max_level=1时，所有白色区域的轮廓都会被显示出来，因为他们都属于等级1；



max_level=2时；每个白色区域里面的黑色区域会被显示出来，可能一个白色区域下面有多个黑色区域，但他们都是同级的；



这里你要注意的的是每个白色区域下的黑色区域，如脸下面有4个黑色区域，白色眼珠下有一个黑色区域，这个黑色区域与脸下的那三个区域时同级的，也就是说他不属于脸的内区域，他是白色眼珠的内区域；



当mode为       CV_RETR_LIST
全部轮廓均为1级







                                    

                                        这篇关于提取轮廓函数 cvFindContours ---OpenCV的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
                                    

                                    

                                

                            

                            

                        

                    

                    

                        

                            

                            http://www.chinasem.cn/article/1083943。
                            
                        

                    

                    
                    

                        
                            
                        
                    

                

                

                    相关文章
                

                    

                        

                            

                                

                                    
                                        C++统计函数执行时间的最佳实践
                                    
                                

                            

                            

                                

                                    C++统计函数执行时间的最佳实践
                                

                                

                                    《C++统计函数执行时间的最佳实践》在软件开发过程中,性能分析是优化程序的重要环节,了解函数的执行时间分布对于识别性能瓶颈至关重要,本文将分享一个C++函数执行时间统计工具,希望对大家有所帮助...																									目录前言工具特性核心设计1. 数据结构设计2. 单例模式管理器3. RAII自动计时使用方法基本用法高级用法
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        GO语言中函数命名返回值的使用
                                    
                                

                            

                            

                                

                                    GO语言中函数命名返回值的使用
                                

                                

                                    《GO语言中函数命名返回值的使用》在Go语言中,函数可以为其返回值指定名称,这被称为命名返回值或命名返回参数,这种特性可以使代码更清晰,特别是在返回多个值时,感兴趣的可以了解一下...																									目录基本语法函数命名返回特点代码示例命名特点基本语法func functionName(parameters) (nam
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Python从Word文档中提取图片并生成PPT的操作代码
                                    
                                

                            

                            

                                

                                    Python从Word文档中提取图片并生成PPT的操作代码
                                

                                

                                    《Python从Word文档中提取图片并生成PPT的操作代码》在日常办公场景中,我们经常需要从Word文档中提取图片,并将这些图片整理到PowerPoint幻灯片中,手动完成这一任务既耗时又容易出错,...																									目录引言背景与需求解决方案概述代码解析代码核心逻辑说明总结引言在日常办公场景中，我们经常需要从 W
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Python Counter 函数使用案例
                                    
                                

                            

                            

                                

                                    Python Counter 函数使用案例
                                

                                

                                    《PythonCounter函数使用案例》Counter是collections模块中的一个类,专门用于对可迭代对象中的元素进行计数,接下来通过本文给大家介绍PythonCounter函数使用案例...																									目录一、Counter函数概述二、基本使用案例（一）列表元素计数（二）字符串字符计数（三）元组计数三、C
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Java+AI驱动实现PDF文件数据提取与解析
                                    
                                

                            

                            

                                

                                    Java+AI驱动实现PDF文件数据提取与解析
                                

                                

                                    《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下...																									目录一、核心流程：从上传到评估的完整链路二、第一步：解析 PDF，提取体检报告内容1. 引入依赖2. 封装
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Java使用正则提取字符串中的内容的详细步骤
                                    
                                

                            

                            

                                

                                    Java使用正则提取字符串中的内容的详细步骤
                                

                                

                                    《Java使用正则提取字符串中的内容的详细步骤》：本文主要介绍Java中使用正则表达式提取字符串内容的方法,通过Pattern和Matcher类实现,涵盖编译正则、查找匹配、分组捕获、数字与邮箱提...																									目录1. 基础流程2. 关键方法说明3. 常见场景示例场景1：提取所有数字场景2：提取邮箱地址4. 高级
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Python中的filter() 函数的工作原理及应用技巧
                                    
                                

                            

                            

                                

                                    Python中的filter() 函数的工作原理及应用技巧
                                

                                

                                    《Python中的filter()函数的工作原理及应用技巧》Python的filter()函数用于筛选序列元素,返回迭代器,适合函数式编程,相比列表推导式,内存更优,尤其适用于大数据集,结合lamb...																									目录前言一、基本概念基本语法二、使用方式1. 使用 lambda 函数2. 使用普通函数3. 使用 N
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        MySQL中REPLACE函数与语句举例详解
                                    
                                

                            

                            

                                

                                    MySQL中REPLACE函数与语句举例详解
                                

                                

                                    《MySQL中REPLACE函数与语句举例详解》在MySQL中REPLACE函数是一个用于处理字符串的强大工具,它的主要功能是替换字符串中的某些子字符串,：本文主要介绍MySQL中REPLACE函...																									目录一、REPLACE()函数语法：参数说明：功能说明：示例：二、REPLACE INTO语句语法：参数
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        Python 字符串裁切与提取全面且实用的解决方案
                                    
                                

                            

                            

                                

                                    Python 字符串裁切与提取全面且实用的解决方案
                                

                                

                                    《Python字符串裁切与提取全面且实用的解决方案》本文梳理了Python字符串处理方法,涵盖基础切片、split/partition分割、正则匹配及结构化数据解析（如BeautifulSoup、j...																									目录python 字符串裁切与提取的完整指南 基础切片方法1. 使用切片操作符[start:end]2
                                

                                

                                    阅读更多...
                                

                            

                        

                    

                    

                        

                            

                                

                                    
                                        python中update()函数的用法和一些例子
                                    
                                

                            

                            

                                

                                    python中update()函数的用法和一些例子
                                

                                

                                    《python中update()函数的用法和一些例子》update()方法是字典对象的方法,用于将一个字典中的键值对更新到另一个字典中,：本文主要介绍python中update()函数的用法和一些...																									目录前言用法注意事项示例示例 1: 使用另一个字典来更新示例 2: 使用可迭代对象来更新示例 3: 使用
                                

                                

                                    阅读更多...
                                

                            

                        

                    

            

        

    


    


    

        

            Copyright China编程   23002807@qq.com
        

        

            沪ICP备2023033072号-2