小硕算法工程师

原创 数据结构：链表（Linked List）的核心背景 google

链表类型空间开销 (每个结点)插入/删除时间复杂度核心优势考研高频考点/命题陷阱单链表1个数据 + 1个指针(已知目标位置)结构最简单插入时必须先系新结点，再断旧线。双链表1个数据 + 2个指针(修改4个指针)可双向查找手写代码极易漏写prev指针导致断链。循环链表1个数据 + 1个指针尾直达头，适合环形业务判空/判尾条件不再是== NULL，而是== head。静态链表1个数据 + 1个整型下标(无需移动元素)老语言模拟指针数组大小固定，失去了动态扩容优势。

原创 2022年408真题数据结构篇

直接找出里面最长的几条边构造关键路径，b=5、i=4、d=3、e=3、f=3，枚举到这边就差不多了，我们发现b=5、e=3、i=4已经能将源点到汇点连通了，默认这就是从源点到汇点的最长路径，下面开始看看从源点到汇点的最短边 a=2、c=3、g=1，我们观察反差最明显的，明显路径有多条简单路径可以实现，最短一条是 ，最长一条是 ，g的时间余量明显很大。考虑 个顶点完全连通边最少的情况，因为完全连通，所以只有一个连通分量，由贪心思路可知，这个连通分量为最小生成树，此时 ，此时 ，即 时，一定不连通。

原创 2021年408真题计算机组成原理篇

(3) 指令01B2H = 0000 0001 1011 0010B，高6位为000000，为R型格式指令，所以 ，表示R[rd] R[rs] op1 R[rt]，op1=0010表示带符号整数减法指令，rs为1号寄存器，内容为B052H，rt为2号寄存器，内容为0008H，rd为3号寄存器，内容为0020H，即其功能为 R[3]R[1]-R[2]。因为J型格式功能为target→PC的低10位，无条件转移指令需要更新PC内容，把target送到PC的低10位后，PC内容为目标指令地址。

原创 2022年408真题计算机组成原理篇

地址码占6位，指令字长16位，二地址指令指令码占16-6×2=4位，最多可以表示 条二地址指令，二地址指令有12条，剩余16-12=4种情况，此时对于一地址指令，二地址指令的高位地址码融入二地址指令指令码作为一地址指令的指令码，最多可以表示 条一地址指令，一地址指令有254条，剩余256-254=2种情况，此时对于零地址指令，低位地址码融入一地址指令指令码作为零地址指令的指令码，最多可以表示 条零地址指令。若A为负、B为正且F为正，则溢出，或者，若A为正、B为负且F为负，则溢出。

原创 i/o 接口有哪些

‌，常见类型包括USB、HDMI、以太网、音频插孔、DisplayPort、VGA、雷电（Thunderbolt）等。外设连电脑，USB最先到；视频靠HDMI，上网用网口；声音走3.5，高端选雷电；老设备认VGA，新屏爱DP。要快速记忆这些接口，可以用一个生活化口诀：‌。

原创 上面四个寄存器记忆方法

这里为你提供精简版的CPU寄存器快速记忆方法，附英文注释，结合生活场景打比方：以"家庭聚餐备餐"为统一场景：表格。

原创 地址范围：‌000000H ~ 3FFFFFFH 为什么看出使用16进制呢？

因为该数后面带有字母“H”作为后缀，在数制表示中，带有“H”（或“h”）后缀的数表示十六进制数，所以“400000H”是十六进制数。在计算机领域及数制相关知识中，通常有一些特定的表示方法来标识数制。正是因为“400000H”带有后缀“H”，所以可以判断它是十六进制数。

原创 考试复习方法

专业课主要是做往年的考研题目，复习一遍然后做一遍题目复习第二遍，然后进行复习题目第三遍和第四遍是复习 自己不熟悉的地方。

原创 ‌虚拟内存‌最简单的理解方法是

‌，你正在处理的程序和文件就像摆在桌上的书和资料。书桌越大（内存越大），能同时摊开的书就越多，工作越顺畅。‌（硬盘），腾出桌面空间来放新书。虽然从书架拿书比从桌面拿慢一些，但至少工作能继续进行。这个过程由系统自动完成，对用户来说几乎是透明的，就像有个智能助手在帮你整理书桌和书架。但当书桌摆满了，你还想打开新书怎么办？这时，你就会把一些暂时不用的书收进旁边的‌。你可以把电脑的内存（RAM）想象成一张‌。‌最简单的理解方法是：它是一种“‌。

原创 源码 反码 补码 me

‌，而原码和反码主要用于帮助理解补码的计算过程。下面用最简单的方式帮你掌握核心概念和计算方法。

原创 math study important

微分方程真题。

原创 二重极限求解

易错647-二重极限与二次极限(累次极限)关系汇总（几何直观解释）二元函数极限没有洛必达法则，也不能先带入一个变量_哔哩哔哩_bilibili

原创 算法设计与分析概述

一、算法设计与分析概述。二、算法分析具体内容。

原创 Java和C++的区别

Java:方法定义：Java方法必须在类内部定义，所有方法都是虚方法（可以被子类重写）。重载：Java支持方法重载，即方法名相同但参数列表不同。C++:方法定义：C++方法可以在类内部或外部定义，默认情况下方法不是虚方法（除非使用virtual关键字）。重载和重写：C++支持方法重载和方法重写（使用virtual关键字）。// Java 示例：方法定义// C++ 示例：方法定义public:return 0;

原创 opencv思维导图2

中的图像是数字设备捕获到物理世界的表象。每个数字是一个考虑的波长（例如RGB图像中的红、绿、蓝）或波长范围（对全色设备而言，如红外光谱仪）的光强衡量。而矩阵有着行（row）和列（column），矩阵的操作在数学和计算机中的处理都很常见且成熟，于是很自然的就把图像作为一个矩阵，把对图像的操作转换成对矩阵的操作，实际上所有的图像处理工具都是这么做的。Mat类有两种基本的数据结构组成，一种是矩阵头（包括矩阵尺寸、存储方法、存储路径等信息），另一个是指向包含像素值的矩阵的指针（矩阵维度取决于其存储方法）。

原创 数字图像总览，me

数字图像处理（digital image processing）思维导图：

原创 学习OpenCV思维导图

原创 计算机组成原理， me

思维导图，每张思维导图的标题（例如：组原1、组原2·····）是我们上课学习的顺序，章节顺序是按照唐朔飞第二版《计算机组成原理》的章节顺序。大家可以根据自己的学习情况，选择更适合自己的方法。

原创 数字图像处理思维导图, me

原创 英语单词词根

英语的词根词缀，通俗上讲就像是语文的偏旁部首，词根在单词开头，词缀在结尾，是用来组成单词的，根据词根词缀是可以推出单词的意思，因此，大学里的英语专业都会修一门学科：《词汇学》，就是让你了解词根词缀的。举个例子：triangle三角形,tri-就是一个词根，解释为三个，ang-是词缀，解释为角，所以triangle就是三角形。词根有两种：一种是基本单词充当词根，属于自由词素，称为自由词根(Free Root)，如 friend ,white,wash等；

原创 牛客网双指针题目

牛客网：接雨水的双指针问题_接雨水问题 双指针-CSDN博客牛客网面试必刷TOP101-09双指针BM91 反转字符串_写出一个程序,接受一个字符串,然后输出该字符串反转后的字符串-CSDN博客牛客网面试必刷TOP101-09双指针BM88 判断是否为回文字符串_题目描述 给定一个只有小写字母组成的字符串,问你这个字符串是否是回文串。如果是-CSDN博客【牛客网刷题篇】链表 -- 快慢指针的应用-CSDN博客

原创 dp代码框架， test ok

【代码】dp代码框架， test ok。

原创 贪心算法框架

贪心算法高效简洁，适用于组合优化、资源调度等局部决策可导向全局最优的问题5[14]。实际应用中需结合问题特性验证其适用性，并在排序、优先级队列等预处理支持下实现高效求解4。

原创 cuda实现图像金字塔, test ok

【代码】cuda实现图像金字塔, test ok。

原创 [C++] opencv - 绘制基本图形(比如三角形，矩形，圆，椭圆等）， my test

本文主要介绍了如何使用opencv绘制基本的图形，比如三角形，矩形，圆，椭圆，涉及到line，rectangle，circle，等函数基本使用。

原创 【OpenCV C++学习】2、BGR、HSV空间下的通道分离与合并, me

对多通道图像进行处理，要先分离通道，处理后还要合并各通道操作方法为split()和merge()

原创 opencv 提取单通道图像轮廓， me

程序功能：提取单通道图像轮廓。

原创 OpenCV-C++-CUDA-02-图像基本操作之像素操作, test ok

本章继续学习CUDA下的OpenCV学习，主要是学习CUDA下图像的像素变换。

原创 OpenCV实现图像金字塔（Image Pyramid）, test ok

图像金字塔图像金字塔是图像的一种多尺度表示方法，可以让我们在不同尺度的图像上寻找目标。结合技术，可以在图像的不同位置找到目标对象。在金字塔的底部，是图像原始大小（即宽度和高度）的图像。而在每一层往上，图像都会被重新调整大小（通常是下采样）并可选地进行平滑处理（通常使用图像会不断下采样，直到满足某种停止条件——通常是达到设定的最小尺寸，此时无需继续进行下采样。

原创 CUDA实现矩阵加法， test ok

本文通过一个矩阵加法的例子来说明如何使用网格和块来组织线程。

原创 CUDA实例系列四:利用GPU加速Sobel边缘检测​,test ok

Sobel算子是图像处理中常用的算子之一, 在计算机视觉中常用来做边缘检测. 它是一个比较小并且是整数的filter, 所需要的计算相对较少, 但是对于图像中频率变化较高的地方,他所得的梯度近似值会比较粗糙.而用CUDA解决这个问题的原理就是, 每个线程处理一个像素.每个线程读取一个像素周围的数值(下面代码注释中的x0~x8), 然后进行计算。图像的每一个像素的横向及纵向梯度近似值可用以下公式结合, 来计算梯度大小.的矩阵,分别为横向和纵向与图像做平面。

原创 我的CUDA学习之旅4——Sobel算子图像边缘检测CUDA实现， test ok

故在CUDA实现时我们需要正确索引到以目标像素点为中心的3*3的小方格中各个元素的位置，由于图像从CPU端传给GPU是一段一维连续的内存，增大了我们索引的难度，故在block和grid的设计上，我把整张图像完整的映射到了grid中，每个thread即对应一个像素，通过二维索引的方法将一维的内存准确映射。后，通过CUDA在GPU中对图片实现Sobel算子边缘检测，最后将结果输出至CPU并进行显示，要求输出图与用CPU内实现后的结果一致。，本博客以Sobel算子为例，将边缘检测通过CUDA实现。

原创 [传统图像处理]边缘检测之----Sobel算子,test ok

Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。边缘是指在图像上像素灰度变化最显著的地 方，边缘检测算子则利用图像边缘灰度的突变来检 测边缘。然后分别用这两个算子对输入图像进行卷积操作，得到x,y方向上各点的卷积结果，即垂直梯度Gx和水平梯度Gy。Sobel算子输入的图像是灰度图，所以正常图片进行sobel算子提取边缘前，先要把图片转成灰度图。缺点：计算方向单一，对复杂纹理的情况显得乏力；

原创 OpenCV CUDA图像处理, test ok

任何要用到GPU的计算机视觉操作，都必须将图像数据先载入到设备的显存上，可使用gpumat 关键字来先行分配显存，与用于主机内存的Mat类型相似。用前面读取图像的相同方式，读取两个要作加成处理的图像，并存放在主机内存中，然后用upload方法将图像复制到设备显存，以主机上的图像变量作为参数传递给此方法。使用download方法将设备加成的结果图像回存到主机上。主机的img变量作为download方法的参数，将图像加成的结果复制过来，然后用上一节中所用的相同功能，显示该图像并存储到磁盘上。

原创 CUDA精进之路（二）：图像处理——形态学滤波（膨胀、腐蚀、开闭运算）

从这篇文章起，开始将一些较为典型的OpenCV算法通过CUDA进行实现，本文实现的为图像处理中最为常见的形态学腐蚀以及膨胀，由于本文目的在于算法移植后的验证，故在图片的选择上用小图像作为输入的示例图像，有不当之处欢迎评论或私信~输入一张图片，将其转为灰度图后，通过CUDA在GPU中对图片实现形态学腐蚀、膨胀操作，最后将结果输出至CPU并进行显示，要求输出图与用OpenCV实现后的结果一致。关于腐蚀与膨胀的算法原理网上已有完备的的资料，在这里不再复述，具体原理可见。

原创 Opencv(C++)笔记--图像金字塔， test ok

为解决此问题可以引入图像金字塔，对两帧图像分别构建金字塔，从塔顶图像开始跟踪（例如原图两特征点相差16个像素，不能被跟踪，塔顶图像缩小8倍，那么塔顶的两帧图像的对应特征点对就相差2个像素，可以被跟踪），确定大概位置后，将该位置做为下一层金字塔图像的初值进行跟踪，直到金字塔最后一层。对模板和待匹配图像分别做图像金字塔，先从金字塔尖的图像开始匹配，由于分辨率较小，所以匹配时间较短，接着在此位置基础上，在下一层该位置周围局部区域继续进行匹配，直到最后一层完成匹配。层级越高，图像越小，分辨率越低；

原创 c++CUDA编程--图像处理算法练习--图像灰度化

c++图像算法CUDA加速CUDA练习，仅作参考VS2019--c++CUDA环境配置与编程实例visual studio2019配置opencv（详细教程）

原创 数字图像处理(c++ opencv)：图像分割-基本边缘检测--canny边缘检测

非极大值抑制原理为：在一个3*3的邻域内，根据边缘法线方向，与法线方向上其他两个邻点的梯度幅值比较大小，若该点大于另外两个邻点，则认为该点是边缘点，否则抑制。只有一个阈值时，当阈值设的太低，则会出现假边缘，当阈值设的太高，则一些弱边缘则会丢弃。当法线方向为22.5°~67.5°，或-112.5°~-157.5°，则认为边缘为-45°边缘；当法线方向为112.5°~157.5°，或-22.5°~-67.5°，则认为边缘为45°边缘；（b）在BWl中，认为P点坐标的8邻域内的弱边缘像素为真实边缘并标记。

原创 c++CUDA编程--图像处理算法练习--图像高斯滤波，ok

c++图像算法CUDA加速CUDA练习，仅作参考VS2019--c++CUDA环境配置与编程实例visual studio2019配置opencv（详细教程）

原创 【CUDA】灰度图像处理——使用CUDA来加速图像的灰度化处理

/ 核函数定义// 传入图片// 输出灰度图// 在GPU中开辟输入输出空间// 分配内存空间// 将图像数据传入GPU中// 调用核函数// 将数据从GPU传回CPU// 释放内存// 输出灰度图片return 0;