c语言指针初学

c语言指针,其实就是围绕着指针变量与取地址,读地址之间的故事。

计算机是一间大房子,里面有很多的房间,每一个房间都存放这不同的数据。指针变量就是,一间特别的房间,这个房间存放的数据,他并不是拿来记录各种计算机需要的数据,而是用来记录别的房间的门牌号。

指针变量:就是一块用于存放地址的变量

*:一种创建指针变量的操作,或者读取地址数据的操作

&:取一块数据的地址的操作

int i = 20;
int *p = UNLL;
P=&i;
*p=10;//即 i = 10

这就是,最基本的指针操作,创建一个整型变量i。创建一个整型指针p,将i的地址取出来交给p。这时候p存放的就是i的地址了,然后再用*p来操作地址上的数据。

但是,这是一种无意义的操作,使用指针是为了让程序更加高效,并不是八股文也不是炫技。接下来的指针参数,就可以说明。

void fun(int *p)
{
*p=10;
}
int main()
{
int i =20;
fun(&i);
printf("%d",i)
return 0;
}

在这个函数的的使用上,就可以直接修改,传入的参数,减少繁琐的变量赋值操作。在实际程序的编写上,常常用到。

在指针的使用上,需要理解的就是地址的概念。比如:

int p1[]={"abcdef"};
int p2[]={"abcdef"};
int *p3="abcdef";
int *p4="abcdef";

这里的变量一与变量二,地址是否一样?变量三与变量四,地址是否一样?

if(&p1==&p2)
{
//错误
}
if(p3==p4)
{
//正确
}

为什么,会出现这个情况呢?
这里,就引入了一个新的知识点,常量。对于计算机来说,“abcdef”这个变量,没有名字所以他会把它定义为一个常量,常量在计算机里,是没有必要定义二次的,所以他们只有一个地址。

指针数组

指针数组,指针在前,数组在后。说明,这是一个数组,一个存放指针的数组。

int p1[3]={1,2,3};
int p2[3]={4,5,6};
int p3[3]={7,8,9};
int *arr[3]={p1,p2,p3}

在int* arr[3]这个变量上,【】优先级高于*,所以他先定义了数组。这个数组里面存放着,int*。就是arr数组上面存放着三个整型指针。
而指针就是地址,p1即数组p1的首元素地址,p2,p3依次类推。

#include "stdio.h"
#include "stdlib.h"

int main(void)
{
	int arr1[]={1,2,3,4,5};
	int arr2[]={2,3,4,5,6};
	int arr3[]={3,4,5,6,7};
	int* parr[]={arr1,arr2,arr3};
	char i=0;
	for(i=0;i<3;i++)
	{
		static char j=0;
		for(j=0;j<5;j++)
		{
			printf("%d ",*(parr[i]+j));
		} 
		printf("\n");
	}
	return 0;
} 

这一段程序,就是用指针操作,打印出了3个数组里的数据。

  • 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