小编Dav*_*nes的帖子

我有点计数方法,我想尽快做出来.我想尝试下面的Bit Twiddling Hacks算法,但我不知道C.什么是'type T'什么是py等价于(T)〜(T)0/3？

将最佳位计数方法推广到位宽高达128的整数(由类型T参数化)是这样的:

v = v - ((v >> 1) & (T)~(T)0/3);      // temp 
v = (v & (T)~(T)0/15*3) + ((v >> 2) & (T)~(T)0/15*3);      // temp
v = (v + (v >> 4)) & (T)~(T)0/255*15;                      // temp
c = (T)(v * ((T)~(T)0/255)) >> (sizeof(v) - 1) * CHAR_BIT; // count

在Windows 7 64位,AMD处理器上,我安装了OpenVC 2.4.5,使用eclipse CDT Juno和MinGW,所有内容都进行了最新更新.以前eclipse CDT和MinGW编译了100多个源文件而没有任何问题.他们甚至编译这个小的OpenCV源文件,

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;

int main()
{
    IplImage* img1 = cvLoadImage("lenna.png");
    cvShowImage("MyWindow1", img1);

    cv::Mat img2;
    img2 = cv::imread("lenna.png", CV_LOAD_IMAGE_COLOR);

    cv::namedWindow("MyWindow2", CV_WINDOW_AUTOSIZE);
    cv::imshow("MyWindow2", img2);

    cvWaitKey(0);
    return 0;
}

但当我尝试运行它然后它与臭名昭着的刹车

"应用程序无法正确启动(0xc0000005).单击"确定"关闭应用程序."

可能出现什么问题以及解决这个问题的方法是什么？

1. OpenCV(PreCompiled)解压缩到"C:\ OpenCV245PC \"(README,index.rst和CMakeLists.txt都包含所有子文件夹)
2. Windows系统PATH设置为C:\ OpenCV245PC\build\x86\mingw\bin
3. Eclipse GCC C++编译器,包含路径(-I)设置为"C:\ OpenCV245PC\build\include"
4. Eclipse MinGW C++链接器,库搜索路径(-L)设置为:"C:\ OpenCV245PC\build\x86\mingw\lib"
5. Eclipse MinGW C++链接器,库(-l)设置为:

opencv_calib3d245 opencv_contrib245 opencv_core245 opencv_features2d245 opencv_flann245 opencv_gpu245 opencv_highgui245 opencv_imgproc245 opencv_legacy245 opencv_ml245 opencv_nonfree245 opencv_objdetect245 opencv_photo245 opencv_stitching245 opencv_video245 opencv_videostab245

我试图运行这个 Python 代码：

with io.open(outfile, 'w' ) as processed_text, io.open(infile, 'r') as fin:
    for line in fin:
        processed_text.write(preprocess(line.rstrip())+'\n')

但得到 TypeError: must be unicode, not str

我怎么解决这个问题？我在这里搜索了类似的问题，并找到了一个可以尝试的问题

with io.open(outfile, 'w', encoding="utf-8") as processed_text, io.open(infile, 'r') as fin:

但没有用。

我正在寻找通过 Flask 发送大型 Numpy 数组（主要由图像组成）的最佳方式。

现在，我现在正在做这样的事情：

服务器端：

np.save(matrix_path, my_array)
return send_file(matrix_path+'.npy') 

客户端：

with open('test_temp', 'wb') as f:
    f.write(r.content)
my_array = np.load('test_temp')

但是 .npy 文件非常大，所以需要很长时间。

我想过使用 h5py 但由于图像具有不同的大小 ( array.shape = (200,))，我不能使用 h5py（为每个图像创建一个数据集会太长）。

有没有人知道如何优化它？