Ubuntu 16.04系统中使用GCC 9.1及Intel TBB库运行C++17 STL并行算法库

2023-10-25 11:20

本文主要是介绍Ubuntu 16.04系统中使用GCC 9.1及Intel TBB库运行C++17 STL并行算法库,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

严正声明:本文系作者davidhopper原创,未经许可,不得转载。

C++17标准的最引人入胜之处就是STL并行算法库。如下述代码auto_parallel.cpp所示,仅仅在原有的STL算法中添加一个处理策略参数std::execution::par,就可以让其具备并行计算的能力:

#include <algorithm>
#include <execution>
#include <iostream>
#include <random>
#include <vector>bool Odd(int n) { return n % 2; }int main() {std::vector<int> numbers(500);std::random_device rd;std::mt19937 gen(rd());std::uniform_int_distribution<int> dis(0, 100000);auto rand_num([&dis, &gen]() mutable { return dis(gen); });std::generate(std::execution::seq, std::begin(numbers), std::end(numbers),rand_num);std::sort(std::execution::par, std::begin(numbers), std::end(numbers));std::reverse(std::execution::par, std::begin(numbers), std::end(numbers));auto odds(std::count_if(std::execution::par, std::begin(numbers),std::end(numbers), Odd));std::cout << "Reverse sorted numbers: " << std::endl;size_t i = 1;for (const auto& number : numbers) {std::cout << number << ", ";if (i % 10 == 0) {std::cout << std::endl;}++i;}std::cout << std::endl;std::cout << (100.0 * odds / numbers.size()) << "% of the numbers are odd.\n";return 0;
}

Ubuntu 16.04系统或其他Linux系统中最常用的C++编译器为GCC。对于想在Ubuntu 16.04系统或其他Linux系统中使用C++ 17 STL并行算法库的同学来说,有一个坏消息,也有一个好消息。坏消息是,GCC 9.1.0(2019年5月发布)以下版本不支持C++ 17 STL并行算法库。好消息是GCC 9.1.0已支持C++ 17 STL并行算法库,但需要安装Intel TBB 2018或更新库,如下图所示:
1

一、安装GCC 9.1

GCC 9.1的安装方法可参见我的另一篇博客:《Ubuntu 16.04系统中GCC 9.1编译器安装方法及C++17标准测试示例》,该博客写于2018年3月,当时GCC的最新版本是GCC 7.3,前几天我计划将该博客更新至GCC 9.1,结果发现除了将版本号从7.3.0修改为9.1.0外,不用做任何更改就可以顺利地将GCC 9.1安装成功。
GCC 9.1安装成功后,如果忽略上图中“需要安装Intel TBB 2018或更新库”的建议,直接使用如下命令编译auto_parallel.cpp

g++ -g -Wall -std=c++17 auto_parallel.cpp -o auto_parallel

则会出现下图所示的错误:
2
提示简单明了,就是需要安装Intel TBB 2018或更新库。

二、安装Intel TBB库

进入GitHub TBB的Release页,找到最新的发布版(2019年8月4日的最新版是:2019_U8),使用如下命令下载、解压、构建:

# 1.下载源代码
wget https://github.com/intel/tbb/archive/2019_U8.tar.gz# 2.解压源代码
tar xzvf 2019_U8.tar.gz
rm 2019_U8.tar.gz# 3. 构建Intel TBB库
cd tbb-2019_U8
# 注意,要将系统的默认gcc编译器更新为gcc 9.1,操作方法见我的另一篇博客:
# https://blog.csdn.net/davidhopper/article/details/79681695
make compiler=gcc stdver=c++17 tbb_build_prefix=my_tbb_build

TBB库没有提供安装脚本,我自己写了一个,将tbb-2019_U8安装到/usr/local目录(可以通过修改MY_LOCAL_DIR改变安装位置),内容如下:

#!/bin/bash
#MY_LOCAL_DIR="/usr/local"
TBB_ROOT_DIR="${MY_LOCAL_DIR}/tbb-2019_U8"if [ ! -d ${TBB_ROOT_DIR} ]; then  sudo mkdir ${TBB_ROOT_DIR}
elsesudo rm -rf ${TBB_ROOT_DIR}/*
fisudo cp -r include ${TBB_ROOT_DIR}/include
sudo mkdir ${TBB_ROOT_DIR}/lib
sudo cp build/my_tbb_build_release/*so* ${TBB_ROOT_DIR}/libif [ -e ${MY_LOCAL_DIR}/include/tbb ]; then  sudo rm -f ${MY_LOCAL_DIR}/include/tbb
fi
if [ -e ${MY_LOCAL_DIR}/lib/libtbb.so ]; then  sudo rm -f ${MY_LOCAL_DIR}/lib/libtbb.so
fi
if [ -e ${MY_LOCAL_DIR}/lib/libtbbmalloc.so ]; then  sudo rm -f ${MY_LOCAL_DIR}/lib/libtbbmalloc.so
fi
if [ -e ${MY_LOCAL_DIR}/lib/libtbbmalloc_proxy.so ]; then  sudo rm -f ${MY_LOCAL_DIR}/lib/libtbbmalloc_proxy.so
fisudo ln -s ${TBB_ROOT_DIR}/include/tbb ${MY_LOCAL_DIR}/include/tbb
sudo ln -s ${TBB_ROOT_DIR}/lib/libtbb.so.2 ${MY_LOCAL_DIR}/lib/libtbb.so
sudo ln -s ${TBB_ROOT_DIR}/lib/libtbbmalloc.so.2 ${MY_LOCAL_DIR}/lib/libtbbmalloc.so
sudo ln -s ${TBB_ROOT_DIR}/lib/libtbbmalloc_proxy.so.2 ${MY_LOCAL_DIR}/lib/libtbbmalloc_proxy.soif [ -z "${LD_LIBRARY_PATH}" ]; thenecho "export LD_LIBRARY_PATH=${TBB_ROOT_DIR}/lib" >> ~/.bashrc  
else  tbb_result=$(echo ${LD_LIBRARY_PATH} | grep "${TBB_ROOT_DIR}/lib")if [ -z "${tbb_result}" ]; then    echo "export LD_LIBRARY_PATH=${TBB_ROOT_DIR}/lib:${LD_LIBRARY_PATH}" >> ~/.bashrc    fi
fi
source ~/.bashrc

你可以在TBB库源代码的顶级目录tbb-2019_U8中使用vimgedit等文本编辑工具新建一个文件:install_tbb_2019_U8.sh,将上述内容粘贴到该文件中,然后执行如下命令进行安装:

bash install_tbb_2019_U8.sh

说明:不知什么原因,在脚本文件中使用source ~/.bashrc命令,似乎不能刷新环境设置,按照《shell脚本无法使用source的原因及解决方法》中的方法修改,也没有效果,于是我只能在命令行内单独调用:

source ~/.bashrc

让环境更改生效。

2021年2月14日更新

TBB已更名为oneTBB,下载网址为:https://github.com/oneapi-src/oneTBB/releases,目前最新版本是oneTBB 2021.5.0。但最新的oneTBB不支持GCC 9.1以及9.3(Ubuntu 20.04 2021年以后的版本默认就是GCC 9.3),具体问题请参见:Can’t run C++17 parallel algorithms with GCC on Linux。
好消息是,有个更为简洁的办法安装TBB,命令如下:

sudo apt update
sudo apt install libtbb-dev

以上命令会将tbb库安装在系统用户目录/usr

oneTBB支持GCC11.0,使用CMake构建,下面给出基于源代码的构建安装方法:

# 1.下载源代码
wget https://github.com/oneapi-src/oneTBB/archive/refs/tags/v2021.5.0.tar.gz# 2.解压源代码
tar xzvf v2021.5.0.tar.gz
rm v2021.5.0.tar.gz# 3. 构建Intel TBB库
cd v2021.5.0/oneTBB-2021.5.0
# 注意,要将系统的默认gcc编译器更新为GCC 9.1或以上版本(Ubuntu 20.04 2021年以后的版本默认就是GCC 9.3),操作方法见我的另一篇博客:
# https://blog.csdn.net/davidhopper/article/details/79681695
mkdir build && cd build
# Configure: customize CMAKE_INSTALL_PREFIX and disable TBB_TEST to avoid tests build
cmake -DCMAKE_INSTALL_PREFIX=/usr/local -DTBB_TEST=OFF ..
# Build
cmake --build .
# Install
cmake --install .
# oneTBB is in /usr/local

使用vimgedit等文本编辑工具新建一个文件:setup_tbb.sh,内容如下:

MY_LOCAL_DIR="/usr/local"
TBB_ROOT_DIR="${MY_LOCAL_DIR}/onetbb"
if [ -z "${LD_LIBRARY_PATH}" ]; thenecho "export LD_LIBRARY_PATH=${TBB_ROOT_DIR}/lib" >> ~/.bashrc  
else  tbb_result=$(echo ${LD_LIBRARY_PATH} | grep "${TBB_ROOT_DIR}/lib")if [ -z "${tbb_result}" ]; then    echo "export LD_LIBRARY_PATH=${TBB_ROOT_DIR}/lib:${LD_LIBRARY_PATH}" >> ~/.bashrc    fi
fi
source ~/.bashrc

执行如下命令让路径生效:

bash setup_tbb.sh

说明:不知什么原因,在脚本文件中使用source ~/.bashrc命令,似乎不能刷新环境设置,于是我只能在命令行内单独调用:

source ~/.bashrc

让环境变量更改生效。

三、GCC 9.1构建C++17 STL并行算法库示例:

3.1 auto_parallel.cpp

第一个示例自然是前面提到的auto_parallel.cpp,再次列出代码如下:

#include <algorithm>
#include <execution>
#include <iostream>
#include <random>
#include <vector>bool Odd(int n) { return n % 2; }int main() {std::vector<int> numbers(500);std::random_device rd;std::mt19937 gen(rd());std::uniform_int_distribution<int> dis(0, 100000);auto rand_num([&dis, &gen]() mutable { return dis(gen); });std::generate(std::execution::seq, std::begin(numbers), std::end(numbers),rand_num);std::sort(std::execution::par, std::begin(numbers), std::end(numbers));std::reverse(std::execution::par, std::begin(numbers), std::end(numbers));auto odds(std::count_if(std::execution::par, std::begin(numbers),std::end(numbers), Odd));std::cout << "Reverse sorted numbers: " << std::endl;size_t i = 1;for (const auto& number : numbers) {std::cout << number << ", ";if (i % 10 == 0) {std::cout << std::endl;}++i;}std::cout << std::endl;std::cout << (100.0 * odds / numbers.size()) << "% of the numbers are odd.\n";return 0;
}

构建指令为:

g++ -g -Wall -std=c++17 -L/usr/local/lib -ltbb auto_parallel.cpp -o auto_parallel
# 如果使用sudo apt install libtbb-dev命令安装tbb,则不需要显式指定链接目录
g++ -g -Wall -std=c++17 -ltbb auto_parallel.cpp -o auto_parallel

运行程序:

./auto_parallel

结果如下:

Reverse sorted numbers: 
99991, 99956, 99370, 99011, 98993, 98981, 98836, 98576, 98464, 98411, 
97285, 96689, 96660, 96100, 95775, 95528, 94881, 94839, 94465, 93932, 
93867, 93640, 93387, 93375, 93306, 93302, 93103, 92928, 92872, 92859, 
92765, 92710, 92519, 92383, 92305, 92232, 92200, 92137, 92077, 92072, 
92001, 91957, 91705, 91522, 91489, 91437, 91315, 91229, 91197, 91179, 
91150, 91112, 91098, 91059, 90982, 90817, 90418, 90291, 90071, 89910, 
89855, 89602, 88569, 88497, 88282, 88273, 88108, 87806, 87787, 87620, 
87279, 86355, 86054, 85923, 85733, 85608, 85345, 85130, 84761, 84312, 
84197, 83980, 83852, 83755, 83335, 83151, 83139, 82632, 82220, 81650, 
81485, 81381, 80833, 80563, 80562, 80491, 80470, 80125, 80083, 80036, 
79975, 79939, 79927, 79914, 79798, 79699, 79682, 79612, 79400, 79296, 
78798, 78797, 78712, 78499, 78161, 78074, 78065, 77930, 77732, 77617, 
77427, 77366, 77302, 76982, 76818, 76781, 75824, 75807, 75610, 75443, 
75263, 75048, 74507, 74184, 74112, 73989, 73884, 73508, 73332, 72878, 
72798, 72711, 72639, 72570, 72565, 72316, 72316, 71951, 71942, 71916, 
71829, 70775, 70696, 70426, 70311, 70283, 70161, 70116, 69820, 69720, 
68564, 68360, 68059, 68001, 67812, 67711, 67474, 67410, 67308, 67114, 
67024, 67003, 66834, 66634, 66505, 65919, 65851, 65816, 65735, 65628, 
65400, 65196, 65121, 65065, 64987, 64472, 63859, 63843, 63753, 63741, 
63726, 63128, 62964, 62869, 62684, 62501, 62441, 62414, 62361, 62296, 
62210, 62188, 61771, 61509, 60815, 60789, 60601, 60510, 60393, 60226, 
59992, 59981, 59828, 59613, 59264, 59173, 58870, 57837, 57258, 56758, 
56740, 56270, 55979, 55892, 55859, 55805, 55617, 55546, 55274, 54997, 
54772, 54524, 54507, 54140, 53961, 53906, 53633, 52991, 52822, 52714, 
52693, 52522, 52314, 52141, 51854, 51812, 51799, 51387, 51249, 51229, 
51105, 51053, 51026, 50633, 50435, 50270, 49542, 49511, 49392, 49279, 
48932, 48788, 48658, 48564, 48434, 48401, 48383, 48328, 48278, 47334, 
47114, 46873, 46859, 46801, 46686, 46582, 46371, 46076, 45859, 45846, 
45701, 45419, 44464, 43838, 43693, 43653, 43470, 42733, 42552, 42397, 
42367, 42039, 41890, 41801, 41773, 41565, 41489, 41437, 41101, 40909, 
40330, 40167, 39949, 39833, 39798, 39268, 38811, 38786, 38522, 38305, 
38284, 38027, 37926, 37750, 37706, 37575, 37540, 37194, 37059, 36782, 
36633, 36376, 36270, 35649, 35551, 35476, 35343, 35104, 34856, 34607, 
34409, 34270, 34177, 34063, 33730, 33691, 33476, 33010, 32897, 32766, 
32388, 31735, 31733, 31504, 31308, 31223, 30920, 30844, 30822, 30300, 
30162, 30122, 29802, 29737, 29118, 28531, 28427, 28089, 27986, 27770, 
27737, 27715, 27704, 27651, 27510, 27462, 27298, 26792, 26663, 26581, 
26563, 26404, 26343, 26032, 25898, 25763, 25658, 25608, 25579, 25471, 
25083, 24818, 24722, 24680, 24621, 24396, 23675, 23270, 23004, 22565, 
22291, 22093, 21966, 21793, 21785, 21405, 21373, 21238, 21111, 20981, 
20957, 20887, 20852, 20800, 20683, 20382, 20246, 20023, 19488, 19418, 
19307, 19156, 19144, 19011, 18833, 18819, 17824, 17631, 17303, 17209, 
17179, 16434, 16379, 16291, 16081, 15966, 15877, 15791, 15754, 15693, 
15219, 14438, 14434, 14072, 13609, 13413, 12932, 12863, 12717, 12472, 
12238, 11919, 11598, 11427, 11204, 11119, 10149, 9763, 9628, 9489, 
9392, 9291, 9245, 9222, 8918, 8756, 8739, 8269, 8069, 7987, 
7960, 7839, 7771, 7667, 7589, 7467, 7427, 7425, 7276, 6582, 
6577, 6523, 6379, 6277, 6039, 5674, 5591, 5459, 5434, 5148, 
4910, 4668, 4104, 4056, 3792, 3621, 3284, 2560, 2080, 1832, 
1792, 1632, 1445, 1169, 959, 719, 640, 243, 150, 22, 51.4% of the numbers are odd.

注意1:如果运行程序出现如下错误,请参考我的博客《Ubuntu 16.04系统中GCC 9.1编译器安装方法及C++17标准测试示例》4.1节加以解决:

./auto_parallel: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `CXXABI_1.3.11' not found (required by /usr/local/tbb-2019_U8/lib/libtbb.so.2)

注意2:如果不显式地指定TBB库的链接目录为我们安装的目录-L/usr/local/lib,GCC编译器会使用系统默认的TBB库目录(在我机器上为/usr/libx86_64-linux-gnu/),导致如下链接错误:

...
/usr/local/include/tbb/task_arena.h:157: undefined reference to `tbb::interface7::internal::isolate_within_arena(tbb::interface7::internal::delegate_base&, long)'
collect2: error: ld returned 1 exit status

3
如果确实不想显式指定TBB库的链接目录,可执行如下命令:

cd /usr/lib/x86_64-linux-gnu
# 如果存在以下三个文件,则备份之
sudo mv libtbb.so libtbb.so.bk
sudo mv libtbbmalloc_proxy.so libtbbmalloc_proxy.so.bk
sudo mv libtbbmalloc.so libtbbmalloc.so.bk
# 建立正确的符号链接
sudo ln -s /usr/local/tbb-2019_U8/lib/libtbb.so.2 libtbb.so 
sudo ln -s /usr/local/tbb-2019_U8/lib/libtbbmalloc.so.2 libtbbmalloc.so
sudo ln -s /usr/local/tbb-2019_U8/lib/libtbbmalloc_proxy.so.2 libtbbmalloc_proxy.so

3.2 parallel_sort_test.cpp

第二个示例是排序测试parallel_sort_test.cpp,列出代码如下:

#include <algorithm>
#include <chrono>
#include <execution>
#include <iostream>
#include <random>
#include <vector>void PrintDuration(std::chrono::steady_clock::time_point start,std::chrono::steady_clock::time_point end,const char *message) {auto diff = end - start;std::cout << message << ' '<< std::chrono::duration<double, std::milli>(diff).count()<< " ms\n";
}template <typename T>
void Test(const T &policy, const std::vector<double> &data, const int repeat,const char *message) {for (int i = 0; i < repeat; ++i) {std::vector<double> curr_data(data);const auto start = std::chrono::steady_clock::now();std::sort(policy, curr_data.begin(), curr_data.end());const auto end = std::chrono::steady_clock::now();PrintDuration(start, end, message);}std::cout << '\n';
}int main() {// Test samples and repeat factorconstexpr size_t samples{5'000'000};constexpr int repeat{10};// Fill a vector with samples numbersstd::random_device rd;std::mt19937_64 mre(rd());std::uniform_real_distribution<double> urd(0.0, 1.0);std::vector<double> data(samples);for (auto &e : data) {e = urd(mre);}// Sort data using different execution policiesstd::cout << "std::execution::seq\n";Test(std::execution::seq, data, repeat, "Elapsed time");std::cout << "std::execution::par\n";Test(std::execution::par, data, repeat, "Elapsed time");return 0;
}

构建指令为:

g++ -g -Wall -std=c++17 -L/usr/local/lib -ltbb parallel_sort_test.cpp -o parallel_sort_test

运行程序:

./parallel_sort_test

结果如下:

std::execution::seq
Elapsed time 2553.66 ms
Elapsed time 2586.73 ms
Elapsed time 2619.7 ms
Elapsed time 2561.58 ms
Elapsed time 2555.84 ms
Elapsed time 2589.82 ms
Elapsed time 2572.41 ms
Elapsed time 2547.43 ms
Elapsed time 2550.76 ms
Elapsed time 2592.11 msstd::execution::par
Elapsed time 1045.65 ms
Elapsed time 1064.65 ms
Elapsed time 1072.01 ms
Elapsed time 1069.37 ms
Elapsed time 1160.24 ms
Elapsed time 1275.98 ms
Elapsed time 1432.63 ms
Elapsed time 1306.78 ms
Elapsed time 1052.09 ms
Elapsed time 1038.25 ms

可见并行版本效率提升了一倍。
我们开启GCC的优化选项-O2,再次构建执行:

g++ -g -Wall -std=c++17 -O2 -L/usr/local/lib -ltbb parallel_sort_test.cpp -o parallel_sort_test

运行程序:

./parallel_sort_test

结果如下:

std::execution::seq
Elapsed time 469.323 ms
Elapsed time 469.551 ms
Elapsed time 467.699 ms
Elapsed time 472.385 ms
Elapsed time 476.423 ms
Elapsed time 476.304 ms
Elapsed time 477.908 ms
Elapsed time 471.515 ms
Elapsed time 474.121 ms
Elapsed time 503.281 msstd::execution::par
Elapsed time 195.322 ms
Elapsed time 191.604 ms
Elapsed time 189.077 ms
Elapsed time 185.162 ms
Elapsed time 183.868 ms
Elapsed time 184.853 ms
Elapsed time 222.734 ms
Elapsed time 188.112 ms
Elapsed time 189.43 ms
Elapsed time 198.443 ms

整体效率提升了4倍左右。

这篇关于Ubuntu 16.04系统中使用GCC 9.1及Intel TBB库运行C++17 STL并行算法库的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/282215

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传