工作小结二
1.1 VS下的在线调试
最近在使用VS2015进行在线调试的时候出现诡异一幕(好像之前遇到过一次):
变量赋值之后,在线调试还是无法改变!!
变量赋值之后,在线调试还是无法改变!!
解决方案有两种:
- [x] 换平台
尽量不要在Release模式下打断点进行调试(观测的值和printf打印的值对应不上)
在线调试使用debug,运行结果测试使用release
- [x] 规范写代码
这个规范包括很多方面,具体参考微软的代码规范
比如遇到一个事情:
-0.5
和-1.0*0.5
前者就是通不过,后者完全可以
1.2 负数取余
遇到的问题总是很奇葩,-1%31=????
,负数和正数的取余是多少?
- 使用VS2015编译器进行调试,C++模式下
-1 % 30 = -1
- python3模式下
-1 % 30 = 29
到底哪个是正确的?
网上也没具体的一些资料,都是各有各的说法,以下给出一个取余代码
#ifndef MOD
#define MOD(a,b) (abs(a+b) % abs(b))
#endif
1.3 opencv中cartToPolar函数
直接上代码:
typedef struct IMAGE_S_t
{
int rows;
int cols;
void* data;
}IMAGE_S;
void CartToPolar(IMAGE_S*src1, IMAGE_S*src2, IMAGE_S* magnitude, IMAGE_S*angle)
{
int i, j;
float tmpData1, tmpData2, tmpAngle;
assert(src1->rows == src2->rows);
assert(src1->rows == src2->rows);
for (i = 0; i < src1->rows; i++)
{
for ( j = 0; j < src1->cols; j++)
{
tmpData1 = *((float*)src1->data + src1->cols*i + j);
tmpData2 = *((float*)src2->data + src2->cols*i + j);
*((float*)magnitude->data + magnitude->cols*i + j) = sqrt(pow(tmpData1, 2) + pow(tmpData2, 2));
tmpAngle = atan2(tmpData2, tmpData1);
*((float*)angle->data + angle->cols*i + j) = tmpAngle < 0 ? tmpAngle + 2.*CV_PI : tmpAngle;
}
}
return ;
}
1.4 QR特征值和特征矩阵
举个例子:
// 解算[[1,1],[1,1]]
// 矩阵不为满秩的情况下,QR的方法是解算不出来的(可能有改进的方法,网上看了几个都解算不出来)
// 对[[0,0],[0,0]]等情况做了一些小trick
// python结果eigenValue:[0,0]. eigenVector:[[1,0],[0,1]]
// 基本思路没改变
小trick,做项目中正好用到:
具体细节请参考QP解算C代码
void ImageGetEigen(IMAGE_S* src, IMAGE_S* eigenValue, IMAGE_S* eigenVector, int iterNum)
{
assert(src->rows == src->cols);
assert(src->rows > 0);
IMAGE_S temp, temp_R;
int i, j, k;
float tmpValue;
ImageCreate(&temp, src->rows, src->cols, FloatFlag);
ImageCreate(&temp_R, src->rows, src->cols, FloatFlag);
ImageCreate(eigenValue, src->rows, 1, FloatFlag);
ImageCreate(eigenVector, src->rows, src->cols, FloatFlag);
memcpy(temp.data, src->data, sizeof(float)*src->rows*src->cols);
//使用QR分解求矩阵特征值
for (int k = 0; k < iterNum; k++)
{
ImageQR(&temp, eigenVector, &temp_R);
free(temp.data);//由于ImageDot直接创建dst,所以这里得free,后期可以改进
ImageDot(&temp_R, eigenVector, &temp);
}
//获取特征值并排序
for (k = 0; k < temp.cols; k++)
{
tmpValue = ((float*)temp.data)[k * temp.cols + k];
for (i = k + 1; i < temp.cols; i++)
{
if (((float*)temp.data)[i * temp.cols + i]>tmpValue)
{
tmpValue = ((float*)temp.data)[i * temp.cols + i];
((float*)temp.data)[i * temp.cols + i] = ((float*)temp.data)[k * temp.cols + k];
((float*)temp.data)[k * temp.cols + k] = tmpValue;
}
}
((float*)eigenValue->data)[k] = ((float*)temp.data)[k * temp.cols + k];
}
ImageEig(src, eigenVector, eigenValue);
free(temp.data);
free(temp_R.data);
for ( i = 0; i < eigenValue->rows*eigenValue->cols; i++)
{
if (isnan(((float*)eigenValue->data)[i]))
((float*)eigenValue->data)[i] = 0.0f;
}
for (i = 0; i < eigenVector->rows*eigenVector->cols; i++)
{
if (isnan(((float*)eigenVector->data)[i]))
((float*)eigenVector->data)[i] = 0.0f;
}
float numT[4];
numT[0] = ((float*)src->data)[0 * src->cols + 0];
numT[1] = ((float*)src->data)[0 * src->cols + 1];
numT[2] = ((float*)src->data)[1 * src->cols + 0];
numT[3] = ((float*)src->data)[1 * src->cols + 1];
if (Equal(numT[0], numT[1]) && Equal(numT[0], numT[2]) && Equal(numT[0], numT[3]))
{
memset(eigenValue->data, 0, sizeof(float)*eigenValue->rows*eigenValue->cols);
memset(eigenVector->data, 0, sizeof(float)*eigenVector->rows*eigenVector->cols);
((float*)eigenVector->data)[0 * eigenVector->cols + 0] = 1;
((float*)eigenVector->data)[1 * eigenVector->cols + 1] = 1;
}
return;
}