指针,数组与const

带有const的一级指针四种合法定义如下:

const char *, char const *, char *const, const char *const

const char *p;

char const *p;

这两个定义是完全一样的,而规范的写法是 const char *p,都是指向静态字符的指针。

P是可以改变的,但是*p不能改变的。即:pointer to const char.

char *const p;

说实在的我本以为这种定义是违法的,但是实质上这种定义是用来限定指针p是不能被改变的,而*p是可以改变的。即:const pointer to char.

const char *const p;

这是一级指针最严格的定义。指针p不能改变,而且*p也不能改变。即:const pointer to const char.

理解这几种定义和其含义并不难,但是需要区分一些不合法定义,就需要下一些工夫了。另外这里所说的静态,是指不能通过此指针改变。

比如: const char *p;

              char        A;

              char       B;

              A=2;

              B =3

             

              P = &A:   //这个是合法的,此时 P指向地址的值为2

              P = &B;   //这个是合法的,此时 P指向地址的值为3

              B = 5;     //这个是合法的,此时 P指向地址的值为5

              *P = 6; //这个是不合法的

也就是说虽然这个定义说P指向地址的值不能改变,其实是不能通过P来改变,并没有说不能通过其它方式改变。

总结:在一级const指针定义中,指针的值和指针指向地址存放的值,此两个值的状态是可以改变的。

带有const二级指针四种合法定义:

const char **p; chat const **p; char *const *p; const char *const *p

const char **p;

char const **p;

两者意义相同,指的是p,*p都是可以改变的,但是**p是不能被改变的。

char *const *p;

指的是p**p可以给改变,但是*p是不能被改变的。

const char *const *p;

指的是p可以被改变,但是*p**p都是不能被改变的。

总结:做了这么多的实验终于总结出了一条规律就是:在只有1const的指针定义中,指针变量定义在程序中是不能被改变的。例如const char *p; *p是不能被二次赋值的;

char *const p; p是不能被二次赋值的。char const **p; **p是不能被重复赋值的。

如果还感觉到不好记忆话不防在看看以下三条规定:

1, 在定义指针是第一个字符不能为*;

2, 在基本数据类型不能被*直接修饰;

3, 定义时不是直接修饰变量的*,不能连续出现。

谈到这里还有一个问题没有解决,就是如何使一个二级指针的指向具有静态性呢?

我不知道,你知道能告诉我吗?

下面讨论一下指针的近亲数组和const的关系:

const char arry[2]; const char arry[2][4]; ……

char const arry[2]; char const arry[2][4]; ……

想必大家对这个比较熟悉,其含义是数组中的内容是不能被改变的。不论是一维,二维还是更高的维数的数组。即arry[],arry[][]等等是不能二次赋值的。

const char *arry[2];

与指针类似,这里的*arry[0],*arry[1]不能二次赋值。(不要告诉我你不知道*arry[0]表示的是

什么意思)

char *const arry[2];

这个定义没有意义。因为arryp[]不能被赋值。

const char *const arry[2];

这个定义也没有意义。

  • 0
    点赞
  • 3
    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