opencv實(shí)現(xiàn)圖形輪廓檢測(cè)
更新時(shí)間：2021年04月16日 10:58:26 作者：努力的小帶土
這篇文章主要為大家詳細(xì)介紹了opencv實(shí)現(xiàn)圖形輪廓檢測(cè)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
要想實(shí)現(xiàn)輪廓檢測(cè)，首先我們需要對(duì)待檢測(cè)的圖像進(jìn)行圖像處理：
圖像灰度化、高斯濾波、Canny 邊緣檢測(cè)、邊緣檢測(cè)放大處理、提取輪廓。
一、實(shí)現(xiàn)簡(jiǎn)單的全圖型檢測(cè)
即只要將drawContours第三個(gè)參數(shù)設(shè)置為-1 既能實(shí)現(xiàn)圖像的全圖型檢測(cè)。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 說(shuō)是說(shuō)gui 具體什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 圖像頭文件
#include <opencv2/imgproc.hpp> // 圖像處理頭文件
using namespace std;
using namespace cv;
/*要進(jìn)行圖像形貌檢測(cè)之前
*首先要二值化，再進(jìn)行濾波處理，再進(jìn)行Canny邊緣檢測(cè)
*最后才能檢測(cè)出圖形輪廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 導(dǎo)入圖形的時(shí)候，先要在右邊點(diǎn)擊顯示所有文件?。。?
Mat img = imread(path); // 在opencv 中所有的圖像信息都使用Mat
// pre-processing image 圖像預(yù)處理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯濾波
Canny(imgBlur, imgCanny, 25, 75);// Canny 邊緣檢測(cè)
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 邊緣檢測(cè)的放大倍數(shù)有關(guān)系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一個(gè)參數(shù) 是尋找輪廓的參數(shù)， 第二個(gè)參數(shù)是顯示圖案的參數(shù)
imshow("Image", img);
waitKey(0); // 延時(shí)，0即相當(dāng)于無(wú)窮大
}
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表該向量?jī)?nèi)有4個(gè) int 變量typedef Vec<int, 4> Vec4i; 這四個(gè)向量每一層級(jí)代表一個(gè)輪廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 簡(jiǎn)單的鏈?zhǔn)浇咏?
drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要繪制所檢測(cè)的所有輪廓
}
運(yùn)行結(jié)果：
細(xì)心的讀者會(huì)發(fā)現(xiàn)，該程序還將微小的瑕疵檢測(cè)到了。
二、去除輪廓瑕疵
去除瑕疵的方法很簡(jiǎn)單，即先檢測(cè)所有圖形的面積，發(fā)現(xiàn)圖形中的最小面積，即為瑕疵面積（假設(shè)我們已知該瑕疵面積<1000），之后使用if進(jìn)行面積過(guò)濾。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 說(shuō)是說(shuō)gui 具體什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 圖像頭文件
#include <opencv2/imgproc.hpp> // 圖像處理頭文件
using namespace std;
using namespace cv;
/*要進(jìn)行圖像形貌檢測(cè)之前
*首先要二值化，再進(jìn)行濾波處理，再進(jìn)行Canny邊緣檢測(cè)
*最后才能檢測(cè)出圖形輪廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 導(dǎo)入圖形的時(shí)候，先要在右邊點(diǎn)擊顯示所有文件?。?！
Mat img = imread(path); // 在opencv 中所有的圖像信息都使用Mat
// pre-processing image 圖像預(yù)處理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯濾波
Canny(imgBlur, imgCanny, 25, 75);// Canny 邊緣檢測(cè)
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 邊緣檢測(cè)的放大倍數(shù)有關(guān)系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一個(gè)參數(shù) 是尋找輪廓的參數(shù)， 第二個(gè)參數(shù)是顯示圖案的參數(shù)
imshow("Image", img);
waitKey(0); // 延時(shí)，0即相當(dāng)于無(wú)窮大
}
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表該向量?jī)?nèi)有4個(gè) int 變量typedef Vec<int, 4> Vec4i; 這四個(gè)向量每一層級(jí)代表一個(gè)輪廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 簡(jiǎn)單的鏈?zhǔn)浇咏?
drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要繪制所檢測(cè)的所有輪廓
for(int i = 0;i <contours.size();i++)
{
int area = contourArea(contours[i]) ; // 計(jì)算輪廓面積函數(shù)
if(area > 1000)
{
drawContours(img,contours,i,Scalar(255, 0, 255), 2);
}
}
}
運(yùn)行結(jié)果：
可見我們已經(jīng)成功將瑕疵濾除。
三、判斷輪廓形狀
判斷輪廓之前，我們先要將圖形的拐角點(diǎn)計(jì)算出來(lái)，如三角形有三個(gè)拐角點(diǎn)，矩形有四個(gè)拐角點(diǎn)，圓形有多個(gè)拐角點(diǎn)，所以如何得到拐角點(diǎn)是我們檢測(cè)輪廓形狀的前提。檢測(cè)拐角的核心函數(shù)為approxPolyDP(contours[i],conpoly[i],0.02* peri,true);即多邊形擬合函數(shù)。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 說(shuō)是說(shuō)gui 具體什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 圖像頭文件
#include <opencv2/imgproc.hpp> // 圖像處理頭文件
using namespace std;
using namespace cv;
/*要進(jìn)行圖像形貌檢測(cè)之前
*首先要二值化，再進(jìn)行濾波處理，再進(jìn)行Canny邊緣檢測(cè)
*最后才能檢測(cè)出圖形輪廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 導(dǎo)入圖形的時(shí)候，先要在右邊點(diǎn)擊顯示所有文件?。?！
Mat img = imread(path); // 在opencv 中所有的圖像信息都使用Mat
// pre-processing image 圖像預(yù)處理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯濾波
Canny(imgBlur, imgCanny, 25, 75);// Canny 邊緣檢測(cè)
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 邊緣檢測(cè)的放大倍數(shù)有關(guān)系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一個(gè)參數(shù) 是尋找輪廓的參數(shù)， 第二個(gè)參數(shù)是顯示圖案的參數(shù)
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 圖像放大之后的邊緣檢測(cè)效果要明顯好于 Canny 邊緣檢測(cè)，這也是為什么大佬熱衷于dilation的原因
waitKey(0); // 延時(shí)，0即相當(dāng)于無(wú)窮大
}
// 因?yàn)橐婚_始參數(shù)不同，所以電腦直接將其視為重載函數(shù)
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表該向量?jī)?nèi)有4個(gè) int 變量typedef Vec<int, 4> Vec4i; 這四個(gè)向量每一層級(jí)代表一個(gè)輪廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 簡(jiǎn)單的鏈?zhǔn)浇咏?
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要繪制所檢測(cè)的所有輪廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector對(duì)象的行數(shù)，而其列數(shù)中的vector 是使用了point點(diǎn)集但其只包含圖形的拐角點(diǎn)集
vector<Rect> boundRect(contours.size());// Rect 類中x y 函數(shù)描述的是圖形左上角的坐標(biāo)
string objType; // 記錄物體形狀
// 為了濾除微小噪聲，因此計(jì)算area 的面積
for (int i = 0; i < contours.size(); i++) // 關(guān)于contours.size()為什么是返回二維數(shù)組的行，因?yàn)?vector::size()函數(shù)只接受vector 對(duì)象的調(diào)用而contours的所有行(不管列)均為其對(duì)象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 該函數(shù)計(jì)算輪廓的長(zhǎng)度，后面的bool值表面輪廓曲線是否閉合若為true 則輪廓曲線閉合
//尋找角點(diǎn)
// conpoly 同樣為輪廓點(diǎn)集但它第二個(gè)數(shù)組中只有1-9個(gè)參數(shù)為了描述各個(gè)輪廓的拐角點(diǎn)
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是輸出array 0.02*peri 這個(gè)參數(shù)理解不了就不要理解?。?！ 最后一個(gè)參數(shù)仍然是詢問(wèn)是否閉合
cout << conpoly[i].size() << endl; // 輸出圖像輪廓中的拐角點(diǎn)
boundRect[i] = boundingRect(conpoly[i]); // 針對(duì)conpoly[i] 進(jìn)行boundingRect 以
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
運(yùn)行結(jié)果：
當(dāng)檢測(cè)出所有圖形都應(yīng)具有拐角點(diǎn)數(shù)之后，在加個(gè)if 判斷圖形的點(diǎn)數(shù)，之后通過(guò)puttext函數(shù)去顯示，圖形的形狀。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 說(shuō)是說(shuō)gui 具體什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 圖像頭文件
#include <opencv2/imgproc.hpp> // 圖像處理頭文件
using namespace std;
using namespace cv;
/*要進(jìn)行圖像形貌檢測(cè)之前
*首先要二值化，再進(jìn)行濾波處理，再進(jìn)行Canny邊緣檢測(cè)
*最后才能檢測(cè)出圖形輪廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 導(dǎo)入圖形的時(shí)候，先要在右邊點(diǎn)擊顯示所有文件?。?！
Mat img = imread(path); // 在opencv 中所有的圖像信息都使用Mat
// pre-processing image 圖像預(yù)處理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯濾波
Canny(imgBlur, imgCanny, 25, 75);// Canny 邊緣檢測(cè)
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 邊緣檢測(cè)的放大倍數(shù)有關(guān)系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一個(gè)參數(shù) 是尋找輪廓的參數(shù)， 第二個(gè)參數(shù)是顯示圖案的參數(shù)
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 圖像放大之后的邊緣檢測(cè)效果要明顯好于 Canny 邊緣檢測(cè)，這也是為什么大佬熱衷于dilation的原因
waitKey(0); // 延時(shí)，0即相當(dāng)于無(wú)窮大
}
// 因?yàn)橐婚_始參數(shù)不同，所以電腦直接將其視為重載函數(shù)
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表該向量?jī)?nèi)有4個(gè) int 變量typedef Vec<int, 4> Vec4i; 這四個(gè)向量每一層級(jí)代表一個(gè)輪廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 簡(jiǎn)單的鏈?zhǔn)浇咏?
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要繪制所檢測(cè)的所有輪廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector對(duì)象的行數(shù)，而其列數(shù)中的vector 是使用了point點(diǎn)集但其只包含圖形的拐角點(diǎn)集
vector<Rect> boundRect(contours.size());// Rect 類中x y 函數(shù)描述的是圖形左上角的坐標(biāo)
string objType; // 記錄物體形狀
// 為了濾除微小噪聲，因此計(jì)算area 的面積
for (int i = 0; i < contours.size(); i++) // 關(guān)于contours.size()為什么是返回二維數(shù)組的行，因?yàn)?vector::size()函數(shù)只接受vector 對(duì)象的調(diào)用而contours的所有行(不管列)均為其對(duì)象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 該函數(shù)計(jì)算輪廓的長(zhǎng)度，后面的bool值表面輪廓曲線是否閉合若為true 則輪廓曲線閉合
//尋找角點(diǎn)
// conpoly 同樣為輪廓點(diǎn)集但它第二個(gè)數(shù)組中只有1-9個(gè)參數(shù)為了描述各個(gè)輪廓的拐角點(diǎn)
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是輸出array 0.02*peri 這個(gè)參數(shù)理解不了就不要理解?。?！ 最后一個(gè)參數(shù)仍然是詢問(wèn)是否閉合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通過(guò)conpoly 而繪制的輪廓中只存在程序認(rèn)為應(yīng)該存在的點(diǎn)
cout << conpoly[i].size() << endl; // 輸出圖像輪廓中的拐角點(diǎn)
boundRect[i] = boundingRect(conpoly[i]); // 針對(duì)conpoly[i] 進(jìn)行boundingRect 以便擬合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int objCor = (int)conpoly[i].size(); // 計(jì)算物體邊角數(shù)
if (3 == objCor) objType = "Triangle";
else
if (4 == objCor)
{ // 計(jì)算float對(duì)象，一定要記得使用 float 強(qiáng)轉(zhuǎn)符號(hào)
float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height;
if(aspRatio<1.05 && aspRatio>0.95)
objType = "Square";
else objType = "Rectangle";
}
else if (objCor > 4) objType = "Circle";
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
運(yùn)行結(jié)果：
四、給被檢測(cè)圖形套上一個(gè)檢測(cè)框
核心函數(shù)，使用rectangle（）進(jìn)行矩形繪畫。
程序：
#include <iostream>
#include <opencv2/highgui.hpp> // 說(shuō)是說(shuō)gui 具體什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 圖像頭文件
#include <opencv2/imgproc.hpp> // 圖像處理頭文件
using namespace std;
using namespace cv;
/*要進(jìn)行圖像形貌檢測(cè)之前
*首先要二值化，再進(jìn)行濾波處理，再進(jìn)行Canny邊緣檢測(cè)
*最后才能檢測(cè)出圖形輪廓
*/
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
int main()
{
string path = "resources/shapes.png"; // 導(dǎo)入圖形的時(shí)候，先要在右邊點(diǎn)擊顯示所有文件！?。?
Mat img = imread(path); // 在opencv 中所有的圖像信息都使用Mat
// pre-processing image 圖像預(yù)處理
cvtColor(img, imgGray, COLOR_BGR2GRAY);
GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯濾波
Canny(imgBlur, imgCanny, 25, 75);// Canny 邊緣檢測(cè)
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 邊緣檢測(cè)的放大倍數(shù)有關(guān)系
dilate(imgCanny, imgDil, kernel);
getContours(imgDil,img); // 第一個(gè)參數(shù) 是尋找輪廓的參數(shù)， 第二個(gè)參數(shù)是顯示圖案的參數(shù)
imshow("Image", img);
//imshow("Image Gray", imgGray);
//imshow("Image Blur", imgBlur);
//imshow("Image Canny", imgCanny);
//imshow("Image Dilate", imgDil); // 圖像放大之后的邊緣檢測(cè)效果要明顯好于 Canny 邊緣檢測(cè)，這也是為什么大佬熱衷于dilation的原因
waitKey(0); // 延時(shí)，0即相當(dāng)于無(wú)窮大
}
// 因?yàn)橐婚_始參數(shù)不同，所以電腦直接將其視為重載函數(shù)
void getContours(Mat imgDil, Mat& img)
{
/* contour is a vector inside that vector there is more vector
* {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
*
**/
vector<vector<Point>> contours;
vector<Vec4i> hierarchy; // Vec4i 即代表該向量?jī)?nèi)有4個(gè) int 變量typedef Vec<int, 4> Vec4i; 這四個(gè)向量每一層級(jí)代表一個(gè)輪廓
findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 簡(jiǎn)單的鏈?zhǔn)浇咏?
//drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要繪制所檢測(cè)的所有輪廓
vector<vector<Point>> conpoly(contours.size());// conpoly(paprameter1) ,paprameter1便代表vector對(duì)象的行數(shù)，而其列數(shù)中的vector 是使用了point點(diǎn)集但其只包含圖形的拐角點(diǎn)集
vector<Rect> boundRect(contours.size());// 記錄各圖形的擬合矩形
string objType; // 記錄物體形狀
// 為了濾除微小噪聲，因此計(jì)算area 的面積
for (int i = 0; i < contours.size(); i++) // 關(guān)于contours.size()為什么是返回二維數(shù)組的行，因?yàn)?vector::size()函數(shù)只接受vector 對(duì)象的調(diào)用而contours的所有行(不管列)均為其對(duì)象
{
int area = contourArea(contours[i]);
if (area > 1000)
{
float peri = arcLength(contours[i], true);// 該函數(shù)計(jì)算輪廓的長(zhǎng)度，后面的bool值表面輪廓曲線是否閉合若為true 則輪廓曲線閉合
//尋找角點(diǎn)
// conpoly 同樣為輪廓點(diǎn)集但它第二個(gè)數(shù)組中只有1-9個(gè)參數(shù)為了描述各個(gè)輪廓的拐角點(diǎn)
approxPolyDP(contours[i],conpoly[i],0.02* peri,true); // conpoly[i]是輸出array 0.02*peri 這個(gè)參數(shù)理解不了就不要理解！??！ 最后一個(gè)參數(shù)仍然是詢問(wèn)是否閉合
//drawContours(img, contours , i, Scalar(255, 0, 255), 2);
// 通過(guò)conpoly 而繪制的輪廓中只存在程序認(rèn)為應(yīng)該存在的點(diǎn)
cout << conpoly[i].size() << endl; // 輸出圖像輪廓中的拐角點(diǎn)
boundRect[i] = boundingRect(conpoly[i]); // 針對(duì)conpoly[i] 進(jìn)行boundingRect 以便擬合相切矩形
//rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
int objCor = (int)conpoly[i].size(); // 計(jì)算物體邊角數(shù)
if (3 == objCor) objType = "Triangle";
else
if (4 == objCor)
{ // 計(jì)算float對(duì)象，一定要記得使用 float 強(qiáng)轉(zhuǎn)符號(hào)
float aspRatio = (float)boundRect[i].width/(float)boundRect[i].height;
if(aspRatio<1.05 && aspRatio>0.95)
objType = "Square";
else objType = "Rectangle";
}
else if (objCor > 4) objType = "Circle";
putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
}
}
}
運(yùn)行結(jié)果：
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:
相關(guān)文章
C語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單掃雷游戲
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單掃雷游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-02-02
C++繼承可以是單一繼承或多重繼承，每一個(gè)繼承連接可以是public,protected,private也可以是virtual或non-virtual2013-01-01
C語(yǔ)言實(shí)現(xiàn)兩個(gè)矩陣相乘
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)兩個(gè)矩陣相乘的程序，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-05-05
如何將編譯過(guò)的C++庫(kù)迅速部署在Visual?Studio新項(xiàng)目中
本文介紹在Visual?Studio中,通過(guò)屬性表,使得一個(gè)新建解決方案中的項(xiàng)目可以快速配置已有解決方案的項(xiàng)目中各類已編譯好的C++第三方庫(kù)的方法,感興趣的朋友跟隨小編一起看看吧2024-05-05
在動(dòng)態(tài)庫(kù)和靜態(tài)庫(kù)中使用模板（dynamic libraries ，static libraries）
給大家介紹一下在動(dòng)態(tài)庫(kù)(dynamic libraries)和靜態(tài)庫(kù)(static libraries)使用模板(template)的用法和解決方案。2017-11-11
static_cast,dynamic_cast,reinterpret_cast和const_cast的區(qū)別詳解
以下是對(duì)static_cast,dynamic_cast,reinterpret_cast和const_cast之間的區(qū)別進(jìn)行了詳細(xì)的介紹，需要的朋友可以過(guò)來(lái)參考下2013-09-09
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言中二叉樹的算法實(shí)現(xiàn)以及二叉樹的遍歷算法與應(yīng)用，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2023-06-06
本文主要介紹了C/C++實(shí)現(xiàn)全排列算法的示例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2024-06-06
C++利用MySQL API連接和操作數(shù)據(jù)庫(kù)實(shí)例詳解
這篇文章主要介紹了C++利用MySQL API連接和操作數(shù)據(jù)庫(kù)實(shí)例詳解的相關(guān)資料,需要的朋友可以參考下2017-01-01
C實(shí)現(xiàn)不定長(zhǎng)數(shù)組的示例
今天小編就為大家分享一篇C實(shí)現(xiàn)不定長(zhǎng)數(shù)組的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-07-07