开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

传递double的2D向量作为**double函数

传递double的2D向量作为double函数，意味着我们需要将一个包含double类型元素的二维向量作为参数传递给一个返回double类型值的函数。

在云计算领域中，这种操作通常用于处理数值计算、图像处理、机器学习等领域的问题。以下是对这个问题的完善且全面的答案：

概念：传递double的2D向量作为double函数是指将一个由double类型元素组成的二维向量作为参数传递给一个返回double类型值的函数。
分类：这种操作可以归类为函数调用和参数传递的一种应用。
优势：通过传递2D向量作为函数参数，我们可以将一组相关的数据作为一个整体进行处理，提高代码的可读性和可维护性。同时，使用向量作为参数可以简化函数的定义和调用，减少代码的复杂性。
应用场景：传递double的2D向量作为double函数在以下场景中非常有用：
- 数值计算：例如矩阵运算、向量运算等。
- 图像处理：例如图像滤波、边缘检测等。
- 机器学习：例如特征提取、模型训练等。

推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（Elastic Cloud Server，ECS）：提供可扩展的计算能力，适用于各种计算密集型任务。链接：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版（TencentDB for MySQL）：提供高性能、可扩展的关系型数据库服务，适用于存储和管理数据。链接：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台（AI Lab）：提供丰富的人工智能开发工具和服务，支持机器学习、自然语言处理、图像识别等应用。链接：https://cloud.tencent.com/product/ailab

通过以上腾讯云产品，可以满足在云计算领域中处理传递double的2D向量作为double函数的需求。

相关搜索:数组构造函数优化- Double的装箱 Cython:如何在不需要GIL的情况下从numpy内存视图转到向量[pair[double，double]]？"Error in as.double(y)：当我尝试测量成对距离时，无法将'closure‘类型强制为’double‘类型的向量“将向量的切片作为参数传递给函数调用的对象类型“double”不是report()函数的函数或函数指针 R shiny不能将类型“closure”强制转换为“double”类型的向量 R shiny -无法将类型“closure”强制转换为“double”类型的向量如何在c++中传递函数中2d向量的子向量 Dart - 'double‘、'int’和'num‘数字类型的通用求和函数所有函数将“double”类型的参数强制转换为logical Cython:将C++ `std::complex<double>`的向量转换为C`双复杂`R:无法将类型“closure”强制为类型“double”的向量(时间序列预测)在最后一个函数“last”中，“使用不兼容类型的表达式'double [10]‘初始化'double’”如何使用C#传递类型为Double的参数来显示BoxView？c++将动态分配的2d向量传递给函数 C中自由释放的object - 2D double数组校验和不正确扩展作为内存传递的向量的大小我看到了这个节目.这是什么 - 在构造函数复数(double r,double i)之后的re(r),im(i){}？将对向量元素的可变引用作为函数参数与向量一起传递 MVC:将类型为“double”的ViewData对象传递给数字输入字段

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

(转载非原创)C++运算符重载介绍

C ++ 中预定义的运算符的操作对象只能是基本数据类型。但实际上，对于许多用户自定义类型（例如类），也需要类似的运算操作。这时就必须在C ++ 中重新定义这些运算符，赋予已有运算符新的功能，使它能够用于特定类型执行特定的操作。运算符重载的实质是函数重载，它提供了C ++ 的可扩展性，也是C ++ 最吸引人的特性之一。

00

高翔Slambook第七讲代码解读（2d-2d位姿估计）

大家好我是小绿，给自己起了英文名叫gREEN，为了方便大家记住我已经把它写在车牌上了。这里感谢福特公司，个人很喜欢猛禽，于是改了张图以后就作为小绿的封面了。

03

[Silverlight动画]转向行为 - 2D向量

转向行为已经被各种语言实现过多次了，其最底层是用向量来描述的（也是最常见的实现方式）。概括的看，一个向量由两部分组成：一个方向和一个大小。比如，一个运动中对象的速度由它要去哪里（方向）和移动快慢（大小）两部分组成。因此，把速度看作一个向量是最贴切不过的。加速度——任何改变对象速度的作用力——同样也是由力的方向和大小组成（另一个向量）。向量同样也可以用来描述对象间的位置关系，其中大小代表距离，方向代表角度。向量还可以用来表示一个角色（脸）的朝向，这种情况下就只管方向，而忽视大小，也可以说大小等于1。这

06

[Silverlight动画]转向行为 - 机车

机车类是转向角色的基类，但它不提供任何转向行为，只处理与运动相关的基本内容，如位置，速度，质量以及角色接触场景边缘后的反应（反弹还是穿越出现在另一边）。转向机车(SteeredVehicle)类继承机车类，并为之增加转向行为。使用这样的结构其目的是为了让机车类可以用于仅需要移动而不需要转向行为的对象，同时也可以让转向机车类不考虑基本运动的细节而专心实现转向功能。 ///

/// 机车类 ///

public class Vehic

06

EmguCV 常用函数功能说明「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。AbsDiff，计算两个数组之间的绝对差。 dst（I）c = abs（src1（I）c-src2（I）c）。所有数组必须具有相同的数据类型和相同的大小（或ROI大小）。累加，将整个图像或其所选区域添加到累加器和。累积产品，将2张图像或其选定区域的产品添加到累加器中。 AccumulateSquare，将输入src或其选定的区域，增加到功率2，添加到累加器sqsum。累积权重，计算输入src和累加器的加权和，以使acc成为帧序列的运行平均值：acc（x，y）=（1-alpha）* acc（x，y）+ alpha * image（x，y ）如果mask（x，y）！= 0，其中alpha调节更新速度（累加器对于先前帧的多少速度）.. 自适应阈值，将灰度图像转换为二进制图像。每个像素单独计算的阈值。对于方法CV_ADAPTIVE_THRESH_MEAN_C，它是blockSize x blockSize像素邻域的平均值，由param1减去。对于方法CV_ADAPTIVE_THRESH_GAUSSIAN_C，它是blockSize x blockSize像素邻域的加权和（高斯），由param1减去。添加，将一个数组添加到另一个数组：dst（I）= src1（I）+ src2（I）if mask（I）！= 0所有数组必须具有相同的类型，除了掩码和大小（或ROI）尺寸）。 AddWeighted，计算的两个数组的加权和如下：dst（I）= src1（I）* alpha + src2（I）* beta + gamma所有的数组必须具有相同的类型和相同的大小（或ROI大小）。 ApplyColorMap，将颜色映射应用于图像。 ApproxPolyDP，近似具有指定精度的多边形曲线。 ArcLength，计算轮廓周长或曲线长度。 ArrowedLine，绘制从第一个点指向第二个点的箭头段。 BilateralFilter，将双边滤镜应用于图像。 BitwiseAnd，并计算两个数组的每元素的逐位逻辑连接：dst（I）= src1（I）＆src2（I）if mask（I）！= 0在浮点数组的情况下，使用它们的位表示为了操作。所有阵列必须具有相同的类型，除了掩码和大小相同。 BitwiseNot，反转每个数组元素的每一位：。 BitwiseOr，计算两个数组的每元素逐位分离：dst（I）= src1（I）| src2（I）在浮点数组的情况下，它们的位表示用于操作。所有阵列必须具有相同的类型，除了掩码和大小相同。 BitwiseXor，计算两个数组的每元素的逐位逻辑连接：dst（I）= src1（I）^ src2（I）if mask（I）！= 0在浮点数组的情况下，使用它们的位表示为了操作。所有阵列必须具有相同的类型，除了掩码和大小相同。模糊，使用归一化的盒式过滤器模糊图像。 BoundingRectangle，返回2d点集的右上角矩形。 BoxFilter，使用框过滤器模糊图像 BoxPoints（RotatedRect），计算输入2d框的顶点。 BoxPoints（RotatedRect，IOutputArray），计算输入2d框的顶点。 CalcBackProject，计算直方图的反投影。 CalcCovar矩阵，计算一组向量的协方差矩阵。 CalcGlobalOrientation，计算所选区域中的一般运动方向，并返回0到360之间的角度。首先，函数构建方向直方图，并将基本方向作为直方图最大值的坐标。之后，该函数计算相对于基本方向的移位，作为所有方向向量的加权和：运动越近，权重越大。得到的角度是基本方向和偏移的圆和。 CalcHist，计算一组数组的直方图 CalcMotionGradient，计算mhi的导数Dx和Dy，然后计算梯度取向为：方向（x，y）= arctan（Dy（x，y）/ Dx（x，y）），其中Dx（x，y）考虑Dy（x，y）“符号（如cvCartToPolar函数）。填写面罩后，指出方向有效（见delta1和delta2说明）.. CalcOpticalFlowFarneback（IInputArray，IInputArray，IInputOutputArray，Double，Int32，Int32，Int32，Int32，Double，OpticalflowFarnebackFlag），使用Gunnar Farneback算法计算密集的光流。 CalcOpticalFlowFarneback（Image <Gray，Byte>，Image <Gray，Byte>，Image <Gray，Single>，Image <Gray，Single>，Double

02

[Silverlight动画]转向行为 - 转向机车

转向机车类继承机车类并增加转向行为。每个行为都被定义成公开函数，在每帧或者一段时间间隔内调用以实现对应的转向力。通常所有转向力在调用之后再调用机车的update函数。转向函数都是这样工作的：不管什么时候调用了一个转向函数，都会计算转向力，这个力用来确定机车是顺时针旋转还是逆时针旋转。比如，seek（寻找）函数会计算出一个力，确保机车能从当前方向直接面向目标点。这或许会受到不止一个拥有转向行为的机车的影响，起初的寻找点，会在考虑避开或躲避后而改变。当这些力叠加后，update函数才被调用，最终把一切都反

07

已知线段上某点与起点的距离，求该点的坐标

的位置。在方向向量由起止点确定，且点在线段内的情况下，t的取值范围为0到1：取值为0时就是起点

01

ObjectARX几何图形库

这几天在做CAD二次开发，涉及到几何类，略有不解，后又发现ObjectARX开发指南，所以翻译下官方的

01

[Silverlight动画]转向行为 - 群落

说到群落，很难不引用Craig Reynolds和他的"boilds"模拟系统。Reynolds很牛的将一个看似非常恐怖的复杂过程，拆成了几个比较简单的行为。想想鸟群，它含有三个主要角色：首先，鸟们都保持在同一个区域。如果有只鸟离队伍远了，就该马上归队。这叫凝聚。如图其次，尽管鸟们都在一起飞，但是要避免不会互相碰到。为此，它们各自都有一个空间来预防其它鸟太接近。这叫分离。最后，鸟们飞行在同一个方向。当然各自的角度不一定相同，但是大方向是差不多的。这叫队列。这三个行为凝聚、分离和队列组成了复

08

[Silverlight动画]转向行为 - 寻找行为

寻找行为只是把机车移动到指定点。就像这样： public void seek(Vector2D target) { Vector2D desiredVelocity = target.subtract(_postion); desiredVelocity.normalize(); desiredVelocity = desiredVelocity.multiply(_maxSpeed);

07

NumPy 1.26 中文官方指南（二）

NumPy（Numerical Python）是一个开源的 Python 库，几乎在每个科学和工程领域中都被使用。它是 Python 中处理数值数据的通用标准，在科学 Python 和 PyData 生态系统的核心地位不可撼动。NumPy 的用户包括从初学者程序员到经验丰富的从事最前沿的科学和工业研究与开发的研究人员。NumPy API 在 Pandas、SciPy、Matplotlib、scikit-learn、scikit-image 和大多数其他数据科学和科学 Python 软件包中得到广泛应用。

01

21.opengl高级-几何着色器

几何着色器可以在顶点发送到着色器之前随意变换。可以这么理解：顶点着色器是接收属性，一般不做过多处理，保持原数据，算是第一层接口层；片元着色器一般处理color；如果想做些特殊处理，通过在中间加一层几何着色器把流程拆碎，分工更细致，达到工程代码高内聚低耦合，拓展性更合理。涉及的知识点不多，下面直接通过实例来说明几何着色器的使用原理

02

WPF 基础 2D 图形学知识求向量旋转角度

本文会经常更新，请阅读原文： https://blog.lindexi.com/post/WPF-%E5%9F%BA%E7%A1%80-2D-%E5%9B%BE%E5%BD%A2%E5%AD%A6%E7%9F%A5%E8%AF%86-%E6%B1%82%E5%90%91%E9%87%8F%E6%97%8B%E8%BD%AC%E8%A7%92%E5%BA%A6.html ，以避免陈旧错误知识的误导，同时有更好的阅读体验。

01

高翔Slambook第七讲代码解读（3d-2d位姿估计）

上回咱们读完了pose_estimation_2d2d.cpp这个文件，基本上明白了通过对极几何计算相机位姿变换的过程，简单地说就是：你给我两帧图像，我给你算个R、t。

02

矢量线的一种栅格化算法

除此之外还有一种算法是利用计算机图形学中绘制直线的Bresenham算法，这种算法的效率很高，原理就是用遍历的办法规避乘法和除法，只用加减法就能完成线段的栅格化。

01

C++中自定义结构体或类作为关联容器的键

STL中像set和map这样的容器是通过红黑树来实现的，插入到容器中的对象是顺序存放的，采用这样的方式是非常便于查找的，查找效率能够达到O(log n)。所以如果有查找数据的需求，可以采用set或者map。

02

[Silverlight动画]转向行为 - 对象回避

对象回避主题的完整意义是指，在机车行走的路线中存在一些障碍物，机车必须绕开、防止触碰到它们。听上去和碰撞检测有关，然而这仅仅是发生在预测阶段，也就是：“以我当前的速度行驶下去，可能就会撞到它了。” 既然碰撞是预测的，就得长点脑子确保碰撞不会发生。你可能正幼稚的想，那停下来或者调头不就行了嘛，你忘了有很多行为是在同时发生着的。如果要躲避的是一个食肉动物，光靠停下来或者躲在树后面显然是不明智的。凡有脑子的，此时会采取一切手段来躲避，而食肉动物也同样会绕开障碍物来追捕你。另外，如果要避开一个非常接近的东西，就必

05

[Silverlight动画]转向行为 - 漫游行为

漫游行为就像它的名字一样，角色在场景中毫无目的的移动。这通常用来模拟巡视和觅食，也有纯粹是为了漫游而漫游的。漫游行为在实现上不像听起来那么容易。简单的使用随机而产生的布朗运动，会让角色感觉像是一个有神经病的傻瓜。我们需要更自然更平滑的感觉。有个办法，通常设想在角色前方有个圆，然后把圆上任意一点作为目标，每次更新都向这个随机点移动。由于目标点总是落在假象的圆上，所以转向力永远不会一下子就变化很大。有几个参数可以调整出不同的漫游的风格：圆的尺寸，圆离开角色的距离，目标点的随机范围。漫游函数：

08

[Silverlight动画]转向行为 - 路径跟随

路径跟随这名字一听就知道要干嘛了：机车会沿着一个预定的路线行驶。虽然在地图或者游戏中，路径是以图形的形式被表示的，而在转向行为中，其不过是一系列航点。其策略真是简单到不行。只要从第一个航点开始挨个寻找下去即可。 private int _pathIndex = 0; private double _pathThreshold = 20; public void followPath(List<Vector2D> path,bool loop) {

06

判断点在多边形内算法的C++实现

判断平面内点是否在多边形内有多种算法，其中射线法是其中比较好理解的一种，而且能够支持凹多边形的情况。该算法的思路很简单，就是从目标点出发引一条射线，看这条射线和多边形所有边的交点数目。如果有奇数个交点，则说明在内部，如果有偶数个交点，则说明在外部。如下图所示：

03

ceres实现的pnp解算后的位姿优化代码详解

这篇文章作为基础文章也是本文的学习和理解的过程，在将会给出更多的注释和“废话”帮助自己理解。同时有错误的话欢迎各位朋友留言指教。

02

原-图像处理基础（三）DFT与IDFT变换

首先来看看傅里叶(DCT)变换的公式 (1) FP=\frac {1}{N}\sum_{x=0}^{N-1}\sum_{y=0}^{N-1}P_{x,y}\exp(-j(\frac{2 \pi}

空间判断点是否在线段上

个人认为通过向量计算的方式是比较好的，因为可以保证在二维和三维的情况都成立。判断空间中点P是否在线段P1P2上，算法思想是分成两部分：

01

实验六背向面消隐算法

// TODO: add draw code for native data here

05

C++ OpenCV特征提取之SIFT特征检测

前面我们介绍了《C++ OpenCV特征提取之SURF特征检测》，这一篇我们在介绍一下SIFT的特征提取。

04

harris角点检测的简要总结

harris角点检测是一种特征提取的方法，而特征提取正是计算机视觉的一种重要手段。尽管它看起来很复杂，其实也是基于数学原理和简单的图像处理来实现的。本文之前可以参看笔者写的几篇图像处理的文章，将会有助于更深入了解harris角点检测的实现。

04

2维特征Feature2D—特征点的图像匹配

基于特征点的图像匹配是图像处理中经常会遇到的问题，手动选取特征点太麻烦了。比较经典常用的特征点自动提取的办法有Harris特征、SIFT特征、SURF特征。

01

Flutter & GLSL - 叁 | 变量传参

Flutter 中通过 FragmentShader#setFloat 传递变量，如下所示：索引 0 表示 uSize 第一个分量，也就是宽度；索引 1 设置高度：

01

高翔Slambook第七讲代码解读（三角测量）

在前面几期中，小绿简单的解读了第七讲的几个程序，运行这些程序或调用这些程序包装成的函数可以实现：

07

【C++】OpenGL：创建线段和多边形示例

首先，将main函数中的//glutDisplayFunc(lines); //传递需要勾画的函数取消注释，这是调用线段的操作；

01

Keras 学习笔记（四）函数式API

Keras 函数式 API 是定义复杂模型（如多输出模型、有向无环图，或具有共享层的模型）的方法。

02

自动驾驶视觉融合-相机校准与激光点云投影

多传感器融合一直是自动驾驶领域非常火的名词, 但是如何融合不同传感器的原始数据, 很多人对此都没有清晰的思路. 本文的目标是在KITTI数据集上实现激光雷达和相机的数据融合. 然而激光雷达得到的是3D点云, 而单目相机得到的是2D图像, 如何将3D空间中的点投影到图像平面上, 从而获得激光雷达与图像平面相交的区域, 是本文研究的重点. 其次本文会介绍相机这个大家常见的传感器, 以及讲解如何对相机进行畸变校准.

01

Ceres求解直接法BA实现自动求导

BA，即Bundle Adjustment，通常译为光束法平差，束调整，捆绑调整等。但高翔博士觉得这些译名不如英文名称来得直观，所以保留英文名，简称BA。

03

WebGL基础教程：第三部分

欢迎回到第三部分，也是我们的迷你WebGL教程系列的最后一部分。在此课程中，我们会会介绍光照和添加2D对象到场景中。新的内容很多，我们还是直接开始吧。

02

一篇文章搞懂柏林噪声算法，附代码讲解 [ 译 ]

05

三维点云拼接的方法_图像拼接算法研究

Function translates and normalises a set of 2D homogeneous points so that their centroid is at the origin and their mean distance from the origin is sqrt(2). 将2d 齐次点的中心点坐标转移到原点，2d 齐次点和原点的平均距离为 2 \sqrt{2} 2 。

02

PyTorch 60-Minute Blitz

Tensors（张量）与 Numpy 的 ndarrays 类似，但是其支持在 GPU 上使用来加速计算。

01

C++ OpenCV特征提取之SURF特征检测

double hessianThreshold, --阈值检测器使用Hessian的关键点，默认值在

02

最优化算法之粒子群算法（PSO）

粒子群优化算法(PSO：Particle swarm optimization) 是一种进化计算技术（evolutionary computation）。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解． PSO的优势：在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。

01

OpenCV实现SfM（四）：Bundle Adjustment

在上一篇文章中，成功将三维重建扩展到了任意数量的图像，但是，随着图像的增多，累计误差会越来越大，从而影响最终的重建效果。要解决这个问题，需要用到Bundle Adjustment（下文简称BA）。 BA本质上是一个非线性优化算法，先来看看它的原型 min ⁡ x ∑ i ρ i ( ∣ ∣ f i ( x i 1 , x i 2 , . . . , x i k ) ∣ ∣ 2 ) \min_x \sum_i{\rho_i(||f_i(x_{i1}, x_{i2}, …, x_{ik})||^2)} xmini∑ρi(∣∣fi(xi1,xi2,...,xik)∣∣2) 其中 x x x是我们需要优化的参数， f f f一般称为代价函数（Cost Function）, ρ \rho ρ为损失函数（Loss Function）。其中 f f f的返回值可能是一个向量，因此总的代价取该向量的2-范数。对于三维重建中的BA，代价函数往往是反向投影误差，比如我们需要优化的参数有相机的内参（焦距、光心、畸变等）、外参（旋转和平移）以及点云，设图像 i i i的内参为 K i K_i Ki，外参为 R i R_i Ri和 T i T_i Ti，点云中某一点的坐标为 P j P_j Pj，该点在 i i i图像中的像素坐标为 p j i p_j^i pji，则可以写出反向投影误差 f ( K i , R i , T i , P j ) = π ( K i [ R i T i ] P j ) − p j i f(K_i, R_i, T_i, P_j)=\pi(K_i[R_i\ \ T_i]P_j) – p_j^i f(Ki,Ri,Ti,Pj)=π(Ki[Ri Ti]Pj)−pji 上式中的 P j P_j Pj和 p j i p_j^i pji均为齐次坐标，其中 π \pi π为投影函数，有 π ( p ) = ( p x / p z , p y / p z , 1 ) \pi(p)=(p_x/p_z,\ p_y/p_z,\ 1) π(p)=(px/pz, py/pz, 1). 而损失函数 ρ \rho ρ的目的是为了增强算法的鲁棒性，使得算法不易受离群点（Outliers）的影响，常见的有Huber函数、Tukey函数等，这些函数的图像如下

02

eigen使用教程_kafka简单使用

Eigen是可以用来进行线性代数、矩阵、向量操作等运算的C++库，它里面包含了很多算法。它的License是MPL2。它支持多平台。

08

使用神经网络解决拼图游戏

在一个排列不变性的数据上神经网络是困难的。拼图游戏就是这种类型的数据，那么神经网络能解决一个2x2的拼图游戏吗? 什么是置换不变性（Permutation Invariance）? 如果一个函数的输出

02

keras doc 6 卷积层Convolutional

本文摘自 http://keras-cn.readthedocs.io/en/latest/layers/convolutional_layer/

02

OpenCV中如何获得物体的主要方向

问题来源为网友提供的资料，原文为:《Object Orientation, Principal Component Analysis & OpenCV》

03

使用计算机视觉实战项目精通 OpenCV：6~8

非刚性人脸跟踪是视频流每一帧中一组准密集的人脸特征的估计，这是一个难题，现代方法从许多相关领域借鉴了思想，包括计算机视觉，计算几何，机器学习和图像处理。这里的非刚性指的是以下事实：人脸特征之间的相对距离在面部表情和整个人群之间变化，并且不同于人脸检测和跟踪，后者仅旨在在每个帧中查找面部的位置，而不是配置人脸特征。非刚性人脸跟踪是一个流行的研究主题，已经有二十多年的历史了，但是直到最近，各种方法才变得足够鲁棒，处理器也足够快，这使得构建商业应用成为可能。

02

MATLAB使用Python数值和字符变量

当调用接受数值输入参数的 Python 函数时，MATLAB 会将双精度值转换为最适合在 Python 语言中表示该数据的类型。例如，要调用 Python math 模块中的三角函数，请传递 MATLAB 双精度值。

03

【从零学习OpenCV 4】图像仿射变换

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

04

[干货]再见，Android JNI 封装

最近名名接到友邻团队的“求助”，临时调度帮助其 SDK 封装 JNI SDK，下面就用 SDK 和 JNI SDK 来区分这两个 SDK。以前我也不是搞这个的，但是因为干过一两次，多少有点经验，之前第一次封装后，我觉得这玩意可以总结成通用模板，但是因为本身对它不感兴趣，也就没去弄了，今天又来一次，我觉得有必要了，因为它就是个体力活。今天总结这个模板以及封装思路，可以让我们快速的实现 JNI 封装。有如下这么些数据：

02

如何优雅地实现一个分屏滤镜

本文通过编写一个通用的片段着色器，实现了抖音中的各种分屏滤镜。另外，还讲解了延时动态分屏滤镜的实现。

01

【C++】开源：CGAL计算几何库配置使用

CGAL（Computational Geometry Algorithms Library）是一个开源的计算几何算法库，它提供了一套丰富的数据结构和算法来解决各种计算几何问题。它是一个功能强大、可靠、高效且易于使用的库。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭