2014编程之美初赛-焦距

描述

一般来说,我们采用针孔相机模型,也就是认为它用到的是小孔成像原理。

在相机坐标系下,一般来说,我们用到的单位长度,不是“米”这样的国际单位,而是相邻像素的长度。而焦距在相机坐标系中的大小,是在图像处理领域的一个非常重要的物理量。

假设我们已经根据相机参数,得到镜头的物理焦距大小(focal length),和相机胶片的宽度(CCD width),以及照片的横向分辨率(image width),则具体计算公式为:

Focal length in pixels = (image width in pixels) * (focal length on earth) / (CCD width on earth)

比如说对于Canon PowerShot S100, 带入公式得

Focal length in pixels = 1600 pixels * 5.4mm / 5.27mm = 1639.49 pixels

现在,请您写一段通用的程序,来求解焦距在相机坐标系中的大小。

 

输入

多组测试数据。首先是一个正整数T,表示测试数据的组数。

每组测试数据占一行,分别为

镜头的物理焦距大小(focal length on earth)

相机胶片的宽度(CCD width on earth)

照片的横向分辨率大小(image width in pixels),单位为px。

之间用一个空格分隔。

 

输出

每组数据输出一行,格式为“Case X: Ypx”。 X为测试数据的编号,从1开始;Y为焦距在相机坐标系中的大小(focallength in pixels),保留小数点后2位有效数字,四舍五入取整。

 

数据范围

对于小数据:focal length on earth和CCD width on earth单位都是毫米(mm)

对于大数据:长度单位还可能为米(m), 分米(dm), 厘米(cm), 毫米(mm), 微米(um),纳米(nm)

1 2
2 5.4mm 5.27mm 1600px
3 5400um 0.00527m 1600px
输入用例
Case 1: 1639.47px
Case 2: 1639.47px
输出

 

      最近刚上手编程,本着学习的态度参加了这次的编程之美比赛,二三两题看不懂,第一题焦距做的也是波波折折,到动手的时候才发现自己欠缺的实在太多,以后应该多练手。犯了几个错误:1.单位转换弄反了; 2.之前写过一个大整数运算的类,这次本想直接套用,到后来才意识到是浮点运算; 3.感觉代码对大数还是感到无力。

 

      学到几点:

            1.cin与空格 通常,运算符'>>'将忽略空格,读入后面与变量相对应的值,这样一组用例含多个变量即可用空格隔开;

            2.字符串转数字,这里写的比较全<转>http://www.cnblogs.com/processakai/archive/2011/06/24/2089348.html

     

      代码如下。菜鸟一只,欢迎指正错误。

/*2014-4-19
描述

一般来说,我们采用针孔相机模型,也就是认为它用到的是小孔成像原理。

在相机坐标系下,一般来说,我们用到的单位长度,不是“米”这样的国际单位,而是相邻像素的长度。而焦距在相机坐标系中的大小,是在图像处理领域的一个非常重要的物理量。

假设我们已经根据相机参数,得到镜头的物理焦距大小(focal length),和相机胶片的宽度(CCD width),以及照片的横向分辨率(image width),则具体计算公式为:

Focal length in pixels = (image width in pixels) * (focal length on earth) / (CCD width on earth)

比如说对于Canon PowerShot S100, 带入公式得

Focal length in pixels = 1600 pixels * 5.4mm / 5.27mm = 1639.49 pixels

现在,请您写一段通用的程序,来求解焦距在相机坐标系中的大小。
*/

#include <iostream>
#include <string>
#include "stdlib.h"

using namespace std ;

double ConvertStrToDouble( string &str )
{
    int len = str.length() ; //原始字符串长度,含单位 
    int i ; 
    int flag ; //判别单位标识 
    double data ; //返回的浮点数 
    char head[30] ; //将string类中字符转储,以便使用atof函数进行字符串向浮点数的转换 
    
    for( i = 0 ; i < len ; i++ )
    {
        head[i] = str[i] ;
    }
    head[i] = '\0' ;
     
    data = atof( head ) ;
    
    flag = str[len-2] ;
    
    if( flag == 'n' ) //nm 
    {
        data = data / 1000000 ;          
    }
    else if( flag == 'u') //um
    {
        data = data / 1000 ;
    }
    else if( flag == 'd' ) //dm
    {
        data = data * 100 ;
    }
    else if( flag == 'c' ) //cm
    {
        data = data * 10 ;
    }
    else if( flag == 'm' ) //mm
    {
    }
    else if( flag == 'p' ) //px
    {
    }
    else //m
    {
        data = data * 1000 ;
    } //if
    
    return data ;
}

int main(int argc, char* argv[])
{
    string str1 , str2 , str3 ;
    int T , S ;//数据组数 
    double d1 , d2 , d3 , res ;
       
    cin>>T;
    S = T ;
    
    while( T-- )
    {
        cin>>str1>>str2>>str3 ;
        
        d1 = ConvertStrToDouble( str1 ) ;
        d2 = ConvertStrToDouble( str2 ) ;
        d3 = ConvertStrToDouble( str3 ) ;
        
        res = d1 * d3 / d2 ;
        
        
        printf( "Case %d: %.2fpx\n" , S-T , res ) ;
    }//while(T--) 
    
    return 0 ;
}

 

 

转载于:https://www.cnblogs.com/aichiniudeluke/p/3675370.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
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