在C++中玩转类型转换函数的技巧
最编程
2024-07-26 22:41:58
...
基础类型转换
- 标准数据类型之间会进行隐式的类型安全转换
-
转换规则如下:
(char -> short)-> int -> unsigned int -> long -> unsigned long -> float -> double
举个例子:
#include <iostream>
#include <string>
using namespace std;
int main()
{
short s = 'a';
unsigned int ui = 1000;
int i = -2000;
double d = i;
//把int类型的i转换成double类型,但都是有符号的
//输出-2000
cout << "d = " << d << endl;
//输出1000,不涉及类型转换
cout << "ui = " << ui << endl;
//把有符号的int类型转换成无符号的int,
//再进行相加
//输出4294966296
cout << "ui + i = " << ui + i << endl;
//unsigned int比int类型要大,所以结果必大于0
if( (ui + i) > 0 )
{
cout << "Positive" << endl;
}
else
{
cout << "Negative" << endl;
}
//这里把short 和 char 类型全部转换为int类型再取大小
//所以这里输出4
cout << "sizeof(s + 'b') = " << sizeof(s + 'b') << endl;
return 0;
}
基础类型转类类型
首先看一段代码
#include <iostream>
#include <string>
using namespace std;
class Test
{
int mValue;
public:
Test()
{
mValue = 0;
}
Test(int i)
{
mValue = i;
}
int value()
{
return mValue;
}
};
int main()
{
Test t;
t = 100;
cout << t.value() << endl;
return 0;
}
这段代码的输出结果是:
100
有没有想过为什么呢?
其实这里涉及到一个 转换构造函数
:
- 转换构造函数可以定义不同类型的参数
- 转换构造函数在类型转换时被调用
- 参数满足下列条件时成为
转换构造函数
- 有且仅有一个参数
- 参数是基本类型
- 参数是其它类类型(不是当前类类型)
学习了这个新知识以后,就可以推断出编译器的行为了:
- 100这个立即数默认为int类型,不能直接赋值给t对象
- 看看有没有转换构造函数
- 发现Test类中定义了Test(int i),可以进行转换
- 那就把t = 100默认等价为:t = Test(100)
所以最终的结果是编译器调用了转换构造函数把int类型的值赋值给成员变量。
注意:
- 编译器尽力尝试的结果是隐式类型转换
- 隐式类型转换
- 会让程序以意想不到的方式进行工作
- 是工程中Bug的重要来源
所以这里再学习一个知识点: explicit
关键字:
- 工程中通过
explicit
关键字杜绝编译器的转换尝试 -
explicit
关键字用于杜绝隐式类型转换 - 转换构造函数被
explicit
修饰时只能进行显示转换- 转换方式
- static-cast< ClassName > ( value )
- ClassName ( value )
- ( ClassName ) value; //不推荐
- 转换方式
举个例子:
#include <iostream>
#include <string>
using namespace std;
class Test
{
int mValue;
public:
Test()
{
mValue = 0;
}
//显示的修饰转换构造函数
explicit Test(int i)
{
mValue = i;
}
//重载加号操作符
Test operator + (const Test& p)
{
Test ret(mValue + p.mValue);
return ret;
}
int value()
{
return mValue;
}
};
int main()
{
Test t;
//由于是显示的修饰转换构造函数
//所以使用static_cast 来显示的转换
// t = Test(5);
t = static_cast<Test>(5);
Test r;
// r = t + Test(10);
r = t + static_cast<Test>(10);
cout << r.value() << endl;
return 0;
}
类类型转基础类型
既然可以将一个基础类型数据转为类对象,那么可不可以将类对象转为基础类型数据呢? 这里我们继续学一个知识点 类型转换函数
:
- C++类中可以定义
类型转换函数
-
类型转换函数
用于将类对象转换为其它类型 - 语法规则:
operator Type()
{
Type ret;
// .....
return ret;
}
举个例子:
#include <iostream>
#include <string>
using namespace std;
class Test
{
int mValue;
public:
Test(int i = 0)
{
mValue = i;
}
int value()
{
return mValue;
}
//定义类型转换函数
operator int ()
{
return mValue;
}
};
int main()
{
Test t(100);
//将类类型转为基础数据类型
int i = t;
cout << "t.value() = " << t.value() << endl;
cout << "i = " << i << endl;
return 0;
}
再来学几个关于 类型转换函数
的知识点吧:
- 与
转换构造函数
具有同等的地位 - 使得编译器有能力将
对象
转换为其它类型 - 编译器能够隐式的使用
类型转换函数
类类型之间转换
学会了 类类型
和 基础类型
的相互转换以后,最后学一下 '类类型' 之间的转换。
其实 类类型
之间的转换也使用到 类型转换函数
。如下:
#include <iostream>
#include <string>
using namespace std;
class Test;
class Value
{
public:
Value()
{
}
//因为这里的转换构造函数会和类型转换函数冲突
//所以这里直接显式的声明不进行隐式转换
explicit Value(Test& t)
{
}
};
class Test
{
int mValue;
public:
Test(int i = 0)
{
mValue = i;
}
int value()
{
return mValue;
}
//这里使用类型转换函数
//规定转为Value类
operator Value()
{
Value ret;
cout << "operator Value()" << endl;
return ret;
}
};
int main()
{
Test t(100);
//这里直接把Test类转换为Value类
Value v = t;
return 0;
}
注意:
- 无法抑制隐式的类型转换函数调用
- 类型转换函数可能与转换构造函数冲突
- 工程中以 Type toType( ) 的公有成员函数代替类型转换函数
推荐阅读
-
C++ 中的类型转换
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换,返回一个复数数组(complex ndarray),也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为,之前通过傅里叶变换得到复数的数组,是不能通过图像的方法展示出来的,需要转换为灰度图像(映射到[0,255]区间)需要注意的是1> 傅里叶得到低频、高频信息,针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的,图像经过傅里叶变换、逆傅里叶变换后,能够恢复到原始图像3> 在频域对图像进行处理,在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换,返回一个复数数组(complex ndarray)numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围,映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过numpy实现高通滤波,保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域(低频区域)设置为0(黑色)fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果: 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果:是双通道的,第一个通道是结果的实数部分,第二个通道是结果的虚数部分2> 原始图像:输入图像要首先转换成np.float32(img)格式3> 转换标识:flags = cv2.DFT_COMPLEX_OUTPUT,输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置)调整频谱的范围,将上面频谱图像的复数数组,转换为可以显示的灰度图像(映射到[0,255]区间)返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果:取决于原始数据的类型和大小2> 原始数据:实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角调整频谱的范围,映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过opencv实现低通滤波,模糊一副图像
-
在Linux中,使用time(NULL)函数和localtime获取实时日期的技巧
-
玩转Oracle:concat、convert和listagg函数的妙用(字符串拼接与类型转换)
-
如何迅速在WinDbg中查找Shadow SSDT表中的函数索引号技巧
-
在Python 3中玩转 bytes 和 str:基础用法、不同编码间的转换以及列表、元组与字符串之间的互变技巧
-
在C++的sort函数中,如何用lambda表达式定制排序规则
-
在C++中自定义sort函数的用法指南
-
如何轻松掌握罗马数字的计数规则与实现:在实际操作中玩转罗马数字与十进制间的转换
-
在OpenCV中快速画出箭头形线条:利用arrowedLine函数的C++与Python实现指南