10.22 generator函数

generator

生成器对象,用于异步编程,他和yield一起使用

generator的两大开关

yield相当于暂定键
next()相当于播放键

yield next

function* fn() {
  yield 'a';
  yield 'b';
  yield 'a';
  yield 'd';
}
var _fn = fn(); //调用函数返回一个迭代器对象
//next()返回的是一个对象{value: 'a',done: false} 
//done属性: true还未指向完yield false执行完成  上例中四个都是返回false,要等再次执行next才会返回true
fn.next();//{value: 'a',done: false} 
fn.next();//{value: 'b',done: false} 
fn.next();//{value: 'c',done: false} 
fn.next();//{value: 'd',done: false} 
next传参

next中的参数,是将上一次yield的返回值进行覆盖(yield的返回值是undefined

function* fn {
   var _n = 1;
   var _v = yield _n + 22;
   console.log(_v);//abc
   yield ++_n;
   yield ++_n;
}
fn.next();  //23  
fn.next('abc');// 2  _n的值并没有改变
fn.next();//3

generator循环 for of

function* fn3() {
   yield 'a';
   yield 'b';
   yield 'c';
   yield 'd';
}
var _fn3 = fn3();
for (var i of _fn3) {
   console.log(i) // a b c d
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
题目描述:一张灰度图像中目标的边缘有两条,分别为A和B,边缘A上的点对应的法向量为NA,边缘B上的点对应的法向量为NB。试写出一种方法,用于估计这两条边缘的夹角。 解题思路:由于边缘A和边缘B都可以看做是一组点的集合,因此我们可以先计算出这两条边缘的法向量,然后再计算它们之间的夹角。 具体地,对于边缘A上的每个点p,可以计算出它的法向量NA(p),然后将所有的法向量取平均值,得到边缘A的平均法向量NA_avg。同理,对于边缘B上的每个点q,可以计算出它的法向量NB(q),然后将所有的法向量取平均值,得到边缘B的平均法向量NB_avg。最后,边缘A和边缘B的夹角θ可以通过计算它们的平均法向量之间的夹角得到,即: cosθ = dot(NB_avg, NA_avg) / (||NA_avg|| * ||NB_avg||) 其中,dot(NB_avg, NA_avg)表示两个向量的点积,||NA_avg||和||NB_avg||表示两个向量的模长。 代码实现如下: ```python import numpy as np # 计算向量的模长 def norm(x): return np.sqrt(np.sum(x**2)) # 计算向量的夹角 def angle_between(u, v): cos_theta = np.dot(u, v) / (norm(u) * norm(v)) return np.arccos(cos_theta) # 计算边缘的平均法向量 def average_normal(points, normals): sum_normal = np.zeros_like(normals[0]) for i in range(len(points)): sum_normal += normals[i] avg_normal = sum_normal / len(points) return avg_normal # 边缘A的点集和法向量集合 points_A = [[10, 10], [20, 20], [30, 30]] normals_A = [[-1, 1], [-1, 1], [-1, 1]] # 边缘B的点集和法向量集合 points_B = [[10, 30], [20, 20], [30, 10]] normals_B = [[-1, -1], [-1, -1], [-1, -1]] # 计算边缘A和边缘B的平均法向量 NA_avg = average_normal(points_A, normals_A) NB_avg = average_normal(points_B, normals_B) # 计算边缘A和边缘B的夹角 theta = angle_between(NA_avg, NB_avg) print("边缘A和边缘B的夹角为:", np.degrees(theta)) ``` 上述代码中,points_A和points_B分别表示边缘A和边缘B上的点集,normals_A和normals_B分别表示边缘A和边缘B上的法向量集合,NA_avg和NB_avg分别表示边缘A和边缘B的平均法向量,theta表示边缘A和边缘B的夹角。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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