C++ vector底层代码实现

原文链接

template<class T>
class vector 
{
public:
	typedef T* iterator;
	typedef const T* const_iterator;

	const_iterator begin() const
	{
		return _start;
	}

	const_iterator end() const
	{
		return _last;
	}

	iterator begin()
	{
		return _start;
	}

	iterator end()
	{
		return _last;
	}

	vector() 
		:_start(nullptr)
		,_last(nullptr)
		,_endofstorage(nullptr)
		{}

	template <class InputIterator>
	vector(InputIterator first, InputIterator last)//此构造函数,可以让别的拥有头尾迭代器的容器能够存入vector容器中
		: _start(nullptr)
		, _last(nullptr)
		, _endofstorage(nullptr)
	{
		while (first != last)
		{
			push_back(*first);
			++first;
		}
	}

	// v2(v1),传统写法
	vector(const vector<T>& v)
		:_start(nullptr)
		, _last(nullptr)
		, _endofstorage(nullptr)
	{
		reserve(v.capacity());
		for (const auto& e : v)//可以直接通过范围for来逐个插入到v2中,不用像现代写法重新开辟tmp的vector对象
		{
			push_back(e);
		}
	}

	~vector()
	{
		delete[] _start;
		_last = nullptr;
		_start = nullptr;
		_endofstorage = nullptr;
	}

	void swap(vector<T>& v)
	{
		std::swap(_start, v._start);
		std::swap(_last, v._last);
		std::swap(_endofstorage, v._endofstorage);
	}
	//现代写法v1=v2
	vector<T>& operator=(vector<T> v)//这里没用使用引用,即在创建v时会开辟一个新的空间
	{
		swap(v);//此时直接调用swao函数即可,且v为形参,swap后获得this原本的数据,函数结束时v同原本this数据一同释放
		return *this;
	}

	size_t size()
	{
		return _last - _start;
	}

	size_t capacity()
	{
		return _endofstorage - _start;
	}

	bool empty()
	{
		return _start == _last;
	}

	void reserve(size_t n)
	{
		if (n > capacity())
		{
			size_t sz = capacity();
			T* tmp = new T[n];
			memcpy(tmp, _start, sizeof(T) * sz);
			_start = tmp;
			_last = _start + sz;
			_endofstorage = _start + n;
		}
	}

	void resize(size_t n,const T& val=T())
	{
		if (n <= size())
		{
			_last = _start + n;//是减小大小,而不是扩大
		}
		else
		{
			if (n > capacity())
			{
				reserve(n);
			}
			while(_last<_start+n)//不用等于,因为_last是指向有效字符的后一位
			{
				*_last= val;
				_last++;//这里改变了size的大小
			}
		}
	}

	T& operator[](size_t n)
	{
		assert(n < size());
		return _start[n];
	}

	const T& operator[](size_t n) const
	{
		assert(n < size());
		return _start[n];
	}

	void Push_back(const T& x)
	{
		/*if (_last==_endofstorage) 
		{
			size_t newcapacity = capacity() == 0 ? 4 : capacity() * 2;
			reserve(newcapacity);
		}
		*_last = x;
		++_last;*/
		insert(end(), x);
	}

	void Pop_back()
	{
		assert(!empty());
		--_last;
	}

	iterator insert(iterator pos, const T& x)
	{
		assert(pos >= _start && pos <= _last);
		if (_last == _endofstorage)
		{
			size_t len = pos - _start;
			size_t newcapacity = capacity() == 0 ? 4 : capacity() * 2;
			reserve(newcapacity);
			pos = _start + len;
		}//此语句是为了提高复用性,可以直接对Push_back进行复用
		//size_t len = pos - _start;
		//iterator end = _last + 1;
		//if (_last == _endofstorage) 
		//{
		//	reserve(capacity() + 1);
		//}
		//pos = _start + len;//注意:重新开空间后pos也变成野指针;所以要重新找回来
		//end = _last;//注意:end必须在if语句后面在写一次,因为resrve函数会重新开空间,不然end会变成野指针
		iterator end = _last;
		while (end >= pos)
		{
			*end = *(end - 1);//注,这里不能用--end,因为前面的end也会被改变
			--end;
		}
		*pos = x;
		++_last;
		return pos;//为了给用户能够重新使用原本指向的数,避免野指针的情况
	}

	iterator erase(iterator pos)
	{
		assert(pos >= _start && pos <= _last);
		iterator end = pos + 1;
		while (end < _last)
		{
			*(end - 1) = *end;//注,这里不能用--end,因为前面的end也会被改变
			++end;
		}
		--_last;
		return pos;//同样为了避免野指针问题,给用户一个返回值,是被删元素的后面一个值
	}

private:
	iterator _start;
	iterator _last;
	iterator _endofstorage;
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用 C++ 底层实现 Kmeans 图像压缩的示例代码: ```c++ #include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; // 计算两个像素点的欧几里得距离 float euclideanDistance(const Vec3b& a, const Vec3b& b) { float sum = 0.0; for (int i = 0; i < 3; i++) { float diff = a[i] - b[i]; sum += diff * diff; } return sqrt(sum); } int main() { // 读取原始图像 Mat img = imread("lena.jpg"); // 将图像转为一维数组 Mat samples = img.reshape(1, img.cols * img.rows); // 设置 Kmeans 参数 int K = 16; // 分为 16 类 int max_iter = 10; float epsilon = 1.0; int attempts = 3; // 随机初始化 K 个质心 vector<Vec3b> centers(K); for (int i = 0; i < K; i++) { centers[i] = samples.at<Vec3b>(rand() % samples.rows); } // 运行 Kmeans 算法 for (int iter = 0; iter < max_iter; iter++) { // 计算每个像素点到质心的距离,并将其分配到距离最近的质心所在的类别 vector<vector<int>> clusters(K); for (int i = 0; i < samples.rows; i++) { float min_dist = FLT_MAX; int min_idx = -1; for (int j = 0; j < K; j++) { float dist = euclideanDistance(samples.at<Vec3b>(i), centers[j]); if (dist < min_dist) { min_dist = dist; min_idx = j; } } clusters[min_idx].push_back(i); } // 更新质心的值为其所在类别的所有像素点的平均值 for (int j = 0; j < K; j++) { Vec3f sum(0.0, 0.0, 0.0); for (int i : clusters[j]) { sum += samples.at<Vec3b>(i); } if (!clusters[j].empty()) { centers[j] = sum / (float)clusters[j].size(); } } } // 将每个像素点的值替换为其所属质心值 Mat new_img(img.size(), img.type()); for (int i = 0; i < img.rows; i++) { for (int j = 0; j < img.cols; j++) { float min_dist = FLT_MAX; int min_idx = -1; for (int k = 0; k < K; k++) { float dist = euclideanDistance(img.at<Vec3b>(i, j), centers[k]); if (dist < min_dist) { min_dist = dist; min_idx = k; } } new_img.at<Vec3b>(i, j) = centers[min_idx]; } } // 显示压缩后的图像 imshow("compressed image", new_img); waitKey(0); return 0; } ``` 需要注意的是,由于使用了随机初始化,每次运行的结果可能不同。因此,为了得到更好的压缩效果,可以多次运行 Kmeans 算法,选择最优的结果。此外,为了提高计算效率,可以考虑使用并行计算或 GPU 加速。

“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

打赏作者

_WAWA鱼_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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