C++桥接模式:Bridge Pattern

在现实生活中,某些类具有两个或多个维度的变化且这多个维度都可能需要后期扩展,如图形既可按形状分,又可按颜色分。如何设计类似于 Photoshop 这样的软件,能画不同形状和不同颜色的图形呢?如果用继承方式,m 种形状和 n 种颜色的图形就有 m×n 种,不但对应的子类很多,而且扩展困难。

当然,这样的例子还有很多,如不同颜色和字体的文字、不同品牌和功率的汽车、不同性别和职业的男女、支持不同平台和不同文件格式的媒体播放器等。如果用桥接模式就能很好地解决这些问题。

桥接模式:将抽象与实现分离,使它们可以独立变化。它是用组合关系代替继承关系来实现,从而降低了抽象和实现这两个可变维度的耦合度。

使用桥接模式,不只改变你的实现,也改变你的抽象。

案例:

女士皮包有很多种,可以按用途分、按皮质分、按品牌分、按颜色分、按大小分等,存在多个维度的变化,所以采用桥接模式来实现女士皮包的选购比较合适。

本实例按用途分可选钱包(Wallet)和挎包(HandBag),按颜色分可选黄色(Yellow)和红色(Red)。可以按两个维度定义为颜色类和包类。

颜色类(Color)是一个维度,定义为实现化角色,它有两个具体实现化角色:黄色和红色;包类(Bag)是另一个维度,定义为抽象化角色,它有两个扩展抽象化角色:挎包和钱包,它包含了颜色类对象,通过构造函数可以设置颜色和挎包或钱包。

类图:

实现如下:

color.h:

#ifndef COLOR_H
#define COLOR_H
#include <iostream>
#include <string>
using namespace std;

class Color {
public:
    virtual string getColor() = 0;

protected:
    string m_color;
};

class Yellow : public Color {
public:
    Yellow()
    {
        m_color = "黄色";
    }

    virtual string getColor() override
    {
        return m_color;
    }
};

class Red : public Color {
public:
    Red()
    {
        m_color = "红色";
    }

    virtual string getColor() override
    {
        return m_color;
    }
};

#endif // COLOR_H


bag.h:

#ifndef BAG_H
#define BAG_H
#include "color.h"

class Bag {
public:
    virtual void display() = 0;

protected:
    Color* m_color;
    string m_type;
};

class Wallet : public Bag {
public:
    Wallet(Color* color)
    {
        m_color = color;
        m_type  = "钱包";
    }


    virtual void display() override
    {
        cout << m_color->getColor() << "的" << m_type << endl;
    }
};

class HandBag : public Bag {
public:
    HandBag(Color* color)
    {
        m_color = color;
        m_type  = "跨包";
    }


    virtual void display() override
    {
        cout << m_color->getColor() << "的" << m_type << endl;
    }
};

#endif // BAG_H


main.cpp:

/*
 * 桥接模式
 *
 * date:2023-9-18
*/

#include "bag.h"

int main()
{
    Color* color = new Red();
    Bag* wallet = new Wallet(color);
    wallet->display();

    color = new Yellow();
    Bag* handBag = new HandBag(color);
    handBag->display();
}

运行结果:

  • 0
    点赞
  • 1
    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
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