depth

注意点： 要倒序，否则无法刚好二进制拼凑 设置哨兵，0的深度为0，且超过树的根节点的值为=0 #include<iostream> #include<queue> #include<map> #include<vector> #include<cstdio> #include<algorithm> #include<stack> #include<cstring> using namespace std; typedef long long ll; const int N=5e5+10; const int inf=0x3f3f3f3f; int root; int idx,h[N],e[N],ne[N]; int fa[N][16]; int depth[N]; void add(int a,int b){ e[idx]=b,ne[idx]=h[a],h[a]=idx++; } void bfs(int root){ queue<int> q; memset(depth,0x3f,sizeof depth); depth[0]=0,depth[root]=1; q.push(root); while(q.size()){ int t=q.front(); q.pop(); int i; for(i=h[t];i!=-1;i=ne[i]){ int j=e[i]; if(depth

1.函数声明 opencv-3.4.3\modules\core\include\opencv2\core.hpp:2157 CV_EXPORTS_W void dft(InputArray src, OutputArray dst, int flags = 0, int nonzeroRows = 0); 2.函数实现 opencv-3.4.3\modules\core\src\dxt.cpp:3315 void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) { CV_INSTRUMENT_REGION() #ifdef HAVE_CLAMDFFT CV_OCL_RUN(ocl::haveAmdFft() && ocl::Device::getDefault().type() != ocl::Device::TYPE_CPU && _dst.isUMat() && _src0.dims() <= 2 && nonzero_rows == 0, ocl_dft_amdfft(_src0, _dst, flags)) #endif #ifdef HAVE_OPENCL CV_OCL_RUN(_dst.isUMat() && _src0.dims() <= 2, ocl_dft(

文章目录 【一】 Breadth - First Search （广度优先搜索） 【二】 Depth - First Search （深度优先搜索） 【三】 Interview （面试题） 【3.1】 LeetCode 102：Binary Tree Level Order （二叉树的层次遍历） 【3.2】 LeetCode 104：Max depth （二叉树的最大深度） 【3.3】 LeetCode 111：Min depth （二叉树的最小深度） 【3.4】 LeetCode 22：Generate Parentheses （括号生成） 【一】 Breadth - First Search （广度优先搜索） 比较符合人类的思维的，常用的，搜索算法，必须掌握 示意图（ 树 ） 代码 （不仅适用于树，也适用于图） # python 广度优先搜索 def BFS ( graph , start , end ) : # 队列，先进先出 queue = [ ] queue . append ( [ start ] ) # visited 里的数据表示被访问过了 (对二叉树来说没必要) visited . add ( start ) # 当队列不为空时 while queue : # 将队列头元素取出 node = queue . pop ( ) # 放进被访问过的列表里 visited

废话不多说，直接上代码 from PIL import Image import numpy as np a = np.asarray(Image.open("a.jpg").convert("L")).astype("float") depth = 10 #设置深度为10 grad = np.gradient(a) #对数组a求梯度 grad_x, grad_y = grad grad_x = grad_x*depth/100 grad_y = grad_y*depth/100 A = np.sqrt(grad_x**2 + grad_y**2 + 1.) uni_x = grad_x/A uni_y = grad_y/A uni_z = 1./A vec_el = np.pi/2.2 #θ角度 vec_az = np.pi/4. #α角度 dx = np.cos(vec_el)*np.cos(vec_az) dy = np.cos(vec_el)*np.sin(vec_az) dz = np.sin(vec_el) b = 255*(dx*uni_x + dy*uni_y + dz*uni_z) b = b.clip(0, 255) im = Image.fromarray(b.astype('uint8')) im.save("b.jpg") 最后的效果 不得不说，真的很厉害

在实际使用ubuntu时候，经常要碰到需要查看文件以及文件夹大小的情况。 有时候，自己创建压缩文件，可以使用 ls -hl 查看文件大小。参数-h 表示Human-Readable，使用GB,MB等易读的格式方式显示。 klein@klein-ubuntu:~/source$ ll -h 总用量 18G drwxrwxr-x 3 klein klein 4.0K 7月 6 19:42 ./ drwxr-xr-x 33 klein klein 4.0K 7月 6 18:09 ../ drwxrwxr-x 3 klein klein 4.0K 6月 11 10:49 j01/ -rw-rw-r-- 1 klein klein 18G 7月 6 19:25 j01.tar.bz klein@klein-ubuntu:~/source$ 对于文件夹的大小，ll -h 显示只有4k。 那么如何来查看文件夹的大小呢？ 使用du命令查看文件或文件夹的磁盘使用空间 --max-depth 用于指定深入目录的层数。 如要查看当前目录已经使用总大小及当前目录下一级文件或文件夹各自使用的总空间大小， 输入 du -h --max-depth=1 即可。 klein@klein-ubuntu:~/source$ du -h --max-depth=1 44G ./j01 62G . klein@klein

首先， Render CustomDepth Pass 选项位于 Rendering 模块中。 准备 新建 材质 ，更改Material Domain为 Post Process。 在关卡中放入 后期处理盒子 （Post Process Volume），勾选 Unbound ，设置处理范围关卡中的所有内容。 添加刚才新建的材质到 Post Process Materials 数组中。 关键 在选项未勾选时， Custom Depth 为默认值 10^8 ，当勾选选项后值更新为 Scene Depth 。 因此，用Custom Depth减去Scene Depth，若值大于0——未勾选，值小于等于0——勾选。 随便拖入两个网格体，勾选立方体的Custom Depth Pass后可以看到颜色变成了红色。 来源： CSDN 作者： ColorGalaxy 链接： https://blog.csdn.net/qq_31788759/article/details/104520771

/** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode(int x) { val = x; } * } */ class Solution { int ans = 1 ; public int diameterOfBinaryTree ( TreeNode root ) { depth ( root ) ; return ans - 1 ; } private int depth ( TreeNode node ) { if ( node == null ) return 0 ; int L = depth ( node . left ) ; int R = depth ( node . right ) ; ans = Math . max ( ans , L + R + 1 ) ; return Math . max ( L , R ) + 1 ; } } 来源： CSDN 作者： wl1929 链接： https://blog.csdn.net/wl1929/article/details/104478286