基于数字处理的部分总结

关于数字处理,例如计算位数,以及输出每位的数字,首先即是学会 “丢弃高位” 和 “丢弃低位”

 

例:给出一个正整数

1,求出它是几位数   2,顺序输出各位数字   3,逆序输出各位数字

 

c语言中,整数除以整数的结果必然为整数,如15/10=1,31/5=6 ,因此若是给定的正整数为n,我们可以用n/10来丢弃个位,直至当n==0时,丢弃了几次个位,do while循环了几次,n就是几位数,定义count来保存这个数据,作为返回值。

:如n==1234,令n=n/10=123,count++,count==1,循环了一次

      此时n==123,令n=n/10=12,count++,count==2,循环了两次

     此时n==12 ,令n=n/10=1,count++,count==3,循环了三次

     此时n==1,令n=n/10=0,count++,count==4,循环了四次,n==0,停止循环,故1234是四位数

#include <stdio.h>
#include <math.h>
//求其是几位数
int GetFigures(int n)
{
	int count = 0;
	do
	{
		count++;
		n /= 10;//丢掉个位
	}while(n != 0);
	return count;
}

用丢弃高位求得顺序输出各位数字的值,可知n除以n的(位数-1)的次方即可得到n的最高位,然后舍弃高位,即得余数代入n,继续重复上述方法至n==0时,可得每位数的值,这里用c表示n的位数

:定义power=pow(10.0,c-1)即10的c-1次方。

假如n==1234,则c==4,n/power即为1234/1000==1,得到高位进行输出,进行取余,令n=n%power即n=1234%1000=234,得到余数234,此时位数降低了一位,234是三位数,故而令c-1==3

以此类推,n==234, 234/100==2,得到高位进行输出,令n=234%100=34得到余数34

                  n==34,34/10==3,得到高位进行输出,令n=34%10=4得到余数4

                  n==4,4/1==4,得到高位进行输出,令n=4%1=0,此时n==0,停止循环。

//顺序输出各位数字
void PrintOrder(int n)
{
	int c = GetFigures(n);
	int power = (int)pow(10.0,c-1);注意强转,以防double类型转int类型时易丢失数据

	do
	{
		printf("%d ",n/power);//输出高位
		n %= power;//丢弃高位 
		power /= 10;
	}while(n != 0);

	printf("\n");
}

用丢弃低位求得逆序输出各位数字的值,可知n%10的余数即是n的最低位,进行输出,接着用n/10来达到丢弃低位,输出下一位的目的,重复上述,直至n==0停止循环

:假如n==1234, 令n%10即1234%10==4,得到低位进行输出,然后令n=n/10=123 舍弃低位

       此时n==123, n%10=123%10==3,得到低位进行输出,令n=n/10=12 舍弃低位

              n==12,  n%10=12%10==2,得到低位进行输出,令n=n/10=1  舍弃低位

              n==1,    n%10=1%10==1,   得到低位进行输出,  令n=n/10=0   舍弃低位,此时n=0,停止循环

//逆序输出各位数字
void PrintReverse(int n)
{
	do
	{
		printf("%d ",n%10);//得到个位数字
		n /= 10; //丢弃个位
	}while(n != 0);

	printf("\n");
}

最后建立一个主函数即可联系上面的函数解决本例题

int main()
{
	GetFigures(546);
	PrintOrder(546);
	PrintReverse(546);
	return 0;
}
19:02:02

 

 

以上为个人意见总结

若有不足或是错误,还望指点
 

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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