C语言基础

数组
1 . C语言不允许对数组大小进行动态定义,即数组的大小不依赖于程序运行过程中变量的值。
Int n;
Scanf(“%d”,&n);
Int a[n]; [错误]
2. 如果在被调用函数(不包括主函数)中定义数组,长度可以是变量或非常量表达式
Void fun(int n)
{
Int a[2*n]; //正确;如果数组已经被定义为static 则不可这么使用
}
3.一维数组初始化
定义同时初始化 int a[3] ={0,1,2};
指给数组一部分赋值 int a[3] ={0,1} 没赋值的元素自动赋值为0(字符数组初始为’\0’,指针数组初始为NULL)
已经赋初值的数组可不指定长度int a[] = {1,2,3};
4.二维数组
C语言中二维数组是按行存放。允许使用多维数组
Int a[3][4] 定义一个行3列4的数组
a[3][4] 取第二行第三列的元素
初始化
分行初始化: int a[3][4] = {{1,2,3,4},{5,6,7,8},{10,11,12,13}};
所有元素写在一起:int a[3][4]={ 1,2,3,4, 5,6,7,8,10,11,12,13};
对部分元素赋值:其余值自动为0
第一列可省略第二列不可省。
5.字符数组
字符型数据以ACSII代码形式存储,一般占用一个字节。ASCII属于整数,因此C99中把字符型划分为整型类型的一种。
C语言没有字符串类型,字符串是存放在字符型数组中
初始化方式与上面类似。字符使用“%c”格式符
C系统在用字符数组存放字符串常量时会自动加入’\0’ 作为结束符
Char c[] = “I am happy”
Char c[] = {“I am happy”}
Char c[] = {‘I’, ’ ‘, ‘a’ ,’m’ , ’ ’, ’h’, ’h’ ,’a’, ’p’, ’p’ ,’y’ ,’\0’};
三者等价
字符数组不要求最后一个字符为’\0’,为了测定数组长度可以加入’\0’

字符数组的输入输出
输出的字符中不包括结束符

相关函数:

Puts(字符数组); 可用printf()代替
将字符串输出
Gets(字符数组); 函数返回值为字符数组的首地址 一般用于向字符数组中输入一个字符串。
Char str[10] ;
Gets(str);
输入 Computer 此时送给数组的元素为9个因为自动加入结束符
Strcat(字符数组1,字符数组2) 将字符串2连接到字符串1后边,返回字符数组1的地址
Strcpy(字符数组1,字符串2)
Strncpy(str1,str2,n);将str2的前n个字符复制到str1中,但是n不应多于str1中原有的字符数(不包括结束符) 将字符串2复制到字符串1中
Str1 = “China”;
Str2 =Str1; 错误
Strcpy(str2,str1);正确
Strcmp(str1,str2) 从左向右逐个字符按照ASCII比较
Str1>str2 返回大于0
Str1 =str2 返回小于0
Strlen(str1) 测定字符串长度 不包括结束符

Break 循环体和switch 提出全部循环
Continue 循环体 退出这一次循环
位运算

& 按位与 清零 2&5 = 0
| 将特定位置置1 2|5 = 7
^ 按位异或 2|5 = 7
~ 按位取反 一个数按位取反得到的值为这个数+1后再乘-1
~24 -25
<< 左移 乘2^n 2<<1左移1位值为4
>> 右移 除2^n +(-1); 不保证整除

指针
1.指针变量存地址,禁止将一个整型值直接赋给一个指针变量
2.指针变量定义且初始化再使用
3.所有指针变量再内存中分配的字节数相同(一般为两个字节),但里边内容和定义的类型有关。
4.Return 最多只能返回一个值
5.函数结束,形参系统释放

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 4
    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(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系为例,YOLO将目标检测视为回归问题,将入图像一次性划分为多个区域,直接在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。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
评论 4
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