运算符重载

在我们的编程使用中,我们对基本数据类型的数据例如整形,浮点, 双精度可以进行加减乘除. C++中通过class关键字可以自定义类类型的数据类型,但是默认不支持加减等运算符操作. 在编程实践中,我们可能需要类似基本数据类型的操作,比较幸运的是,C++给我们提供了运算符重载机制.

一, 运算符重载的方法
1, 通过友元函数来实现—这也是友元函数存在的最大意义
2,通过成员函数来实现

二,运算符重载的本质
不论采用上面那种运算符重载的方法,我们都需要自定义一个函数来实现重载, 函数的名字也是比较特殊 ,形式如: operator op. 当编译器检查到这些特殊的函数时候,就会触发运算符的重载,所以运算符的重载本质上是函数调用

三, 二元运算符重载的示例
下面的示例对二元运算符进行加和减的重载, 分别采用友元函数和成员函数的方式实现.代码如下:

//二元运算符重载

#include "iostream"
using namespace std;

class Complex{
public:

    Complex(int a=0, int b=0){
        this->a = a;
        this->b = b;
    }
    //友元函数实现加法的运算符重载
    friend Complex operator+(Complex& c1, Complex& c2);

    void print(){
        cout << "a = " << a << "  b= "<< b << endl;
    }

    //成员函数实现减法的运算符重载
    Complex operator-(Complex& c){  
        Complex cc;
        cc.a = this->a - c.a;
        cc.b = this->b - c.b;
        return cc;
    }
private:

    int a;
    int b;

};


Complex operator+(Complex& c1, Complex& c2){
    Complex c;
    c.a = c1.a+c2.a;
    c.b = c1.b+c2.b;

    return c;
}

//测试加法的运算符重载
void testAdd(){
    cout << "--------testAdd()------------" << endl;
    Complex c1(4,5);
    Complex c2(6,5);

    Complex c = c1+c2;
    c.print();

}

//测试减法的运算符重载
void testDecrease(){
    cout << "--------testDecrease()------------" << endl;
    Complex c1(5,55);
    Complex c2(6,5);

    Complex c = c1-c2;
    c.print();

}
int main(){
    testAdd();
    testDecrease();
    return 0;
}

二,一元运算符重载
<一> 前置++ 前置–重载
两种方法分别实现前置++和前置–
代码如下:

#include "iostream"
using namespace std;

class Complex{
public:

    Complex(int a=0, int b=0){
        this->a = a;
        this->b = b;
    }
    //友元函数实现前置++的运算符重载
    friend Complex& operator++(Complex& c);

    void print(){
        cout << "a = " << a << "  b= "<< b << endl;
    }
    //成员函数实现前置--运算符重载
    Complex& operator--(){
        this->a --;
        this->b --;
        return *this;
    }

private:

    int a;
    int b;

};

Complex& operator++(Complex& c){
    c.a++;
    c.b++;

    return c;
}

//测试前置++的运算符重载
void testAdd(){
    cout << "--------testAdd()------------" << endl;
    Complex c1(4,5);
    c1++;
    c1.print();

}

//测试前置--的运算符重载
void testDecrease(){
    cout << "--------testDecrease()------------" << endl;
    Complex c1(5,55);
    c1 --;
    c1.print();

}
int main(){
    testAdd();
    testDecrease();
    return 0;
}

<二> 后置++ 后置–重载
当我们友元函数后者成员函数实现运算符重载的时候,发现函数名字会和前置的一样,这时候没法区分前置还是后置, 这时候后置的时候参数需要使用占位符进行替换
代码如下:

#include "iostream"
using namespace std;

class Complex{
public:

    Complex(int a=0, int b=0){
        this->a = a;
        this->b = b;
    }
    //友元函数实现后置++的运算符重载
    friend Complex operator++(Complex& c,int);

    void print(){
        cout << "a = " << a << "  b= "<< b << endl;
    }

    //成员函数实现后置--的运算符重载
    Complex operator--(int){
        Complex temp  = *this;
        this->a --;
        this->b --;
        return temp;
    }


private:

    int a;
    int b;

};

Complex operator++(Complex& c, int){
    Complex temp = c;
    c.a++;
    c.b++;

    return temp;
}

//测试后置++的运算符重载
void testAdd(){
    cout << "--------testAdd()------------" << endl;
    Complex c1(4,5);
    c1++;
    c1.print();

}

//测试后置--的运算符重载
void testDecrease(){
    cout << "--------testDecrease()------------" << endl;
    Complex c1(5,55);
    c1 --;
    c1.print();

}
int main(){
    testAdd();
    testDecrease();
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值