浅谈C语言中指针的用法

指针是C语言的核心。利用它可以表示多种数据结构,把指针与普通变量、数组、函数结合可以设计出灵活高效的程序。本文针对指针的这些常见用法进行了具体的分析。     

指针的学习与应用

指针是C程序设计的重点和难点，也是软件界的讨论热点：、正确而灵活地运用指针，可以有效地表示复杂的数据结构，能动态分配内存，直接处理内存地址等。在学习和应用指针过程中，传统的指针概念和用法常常使人感到困惑。文中提出了单星指针、双星指针等新概念，比较全面地介绍了指针的理论和应用．     

对面向对象指针数组与函数指针技术的进一步探讨

面向对象指针技术是C、C＋＋、VC系列编程语言的一个难点．对面向对象指针技术理解的深度和广度直接影响我们编程的质量和速度。该文从指针、指针数组、对象指针数组出发．进而分析了函数对象指针，最后分析了虚函数指针，使我们对面向对象指针技术有一个完整、彻底的理解和掌握。     

C语言指针的理解与运用

指针是C语言中广泛使用的一种数据类型，运用指针编程是C语言的主要风格之一。利用指针变量可以直接对内存中各种不同数据进行快速处理，理解和运用好指针可以编出简洁明快、性能强的C程序。     

对C语言指针理解方式的探讨

指针是C语言的精华但又最难掌握。本文在分析一般变量的指针、指针与数组的关系、指针的指针等知识点的基础上，探讨了对C语言指针的理解方法，特别针对二维数组的指针，本文给出了一种有效的理解方法。     

C语言中的指针和指针教学

指针是C语言中的重要概念和重要特色。指针教学中,教师可以通过抓住数据在内存中的存储和变化这条教学主线。进行合理的教学设计、选用合适的教学方法,从而帮助学生理解指针的概念,掌握指针的应用。     

C语言子程序中指针与数组使用病例四则

在C语言中指针与数组有着密切的联系,任何能由数组下标完成的操作均可由指针来实现.可以说,指针是C语言中最有用的特性之一;然而由于它使用的灵活性和难“控制”性,它也可以被看成是C语言的一个最危险的特性,因为不正确的使用指针,可以导致程序难以查出的错误,有时甚至会出现使系统瘫痪的后果.     

C语言中指针变量的用法

C语言中使用指针变量时通常需两步：第一步为指针变量赋值,把某个存储单元的地址存入与指针变量相关的存储单元中,即让指针变量指向某个存储单元;第二步以间接引用的方式使用指针变量指向的存储单元。利用变量直接使用存储单元时,存储单元的使用范围受限于变量的作用域,而通过指针变量以间接引用的方式可以扩展存储单元的使用范围。以间接引用方式使用的存储单元不仅可以是基本数据类型的、数组等,而且可以是没有变量标识的堆空间上的存储单元,甚至还可以是与代码相关的“函数类型”的存储单元。     

也谈C语言中的指针

指针是Ｃ语言中一种重要的数据类型 ,学习Ｃ语言若不学好指针数据类型 ,就不能更好地掌握Ｃ语言的精华。近几年笔者在从事Ｃ语言教学中发现很多同学在学习指针时非常困难 ,而且往往处于一知半解。笔者将从以下几个方面来阐述Ｃ语言中的指针这一数据类型。1　指针与指针变量　　所谓指针 ,英文单词为ｐｏｉｎｔ,也就是变量的地址 ;而指针变量则是用于存放地址值的量。可见指针类型的数据和平常所说的整型、浮点型等数据一样 ,它也是一种数据类型。指针变量 ,和其它类型变量相同 ,在计算机内同样也占有存储单元 ,不同的是这种类型的变量存放的…     

巧用C语言指针验证数据的存储方式

指针是C语言的精髓.灵活正确的使用指针可以使程序得到优化.巧妙的利用指针又可以达到特殊的目的.本文利用字符型的指针指向了其他类型的变量,以读取变量所占内存的每个字节的内容.由此验证数据在内存中的存储方式.     

C指针在嵌入式编程中的应用

C语言作为一种“高级的低级“语言,成为嵌入式系统开发的最佳选择.在嵌入式程序设计中灵活地使用C指针,可以使程序简洁、紧凑、高效,会达到很好的效果.文章主要从数据指针、动态申请内存指针引用数组元素、函数指针几个方面阐述了C指针在嵌入式编程中的应用.     

一种用于指针程序安全性证明的指针逻辑

在高可信软件的各种性质中,安全性是被关注的重点,其中软件满足安全策略的证明方法是研究的热点之一.文中根据作者所设想的安全程序的设计和证明框架,为类C语言的一个子集设计了一个指针逻辑系统.该逻辑系统是Hoare逻辑系统的一种扩展,它用推理规则来表达每一种语句引起指针信息的变化情况.它可用来对指针程序进行精确的指针分析,所获得的信息用来证明指针程序是否满足定型规则的附加条件,以支持程序的安全性验证.该逻辑系统也可用来证明指针程序的其它性质.     

关于指针数组的一个应用实例—用VC实现矩阵的运算

论述了指针数组与数组指针的区别,并以一个实例说明指针数组的应用。     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

基于指针映射集的动态内存故障测试方法研究

动态内存故障在使用指针的程序中是普遍存在的,采用动态测试方法进行测试难以准确定位故障源.而现有的静态分析方法主要存在漏报和误报过多的情况.针对这些问题,提出了指针映射代数系统的概念,全面地反映了指针与内存之间的映射关系,并给出了面向不同故障的指针映射集的构造规则,以此为基础建立了动态内存故障模型.通过指针映射集和故障模型,可以自动检测内存释放异常、内存泄露和空指针引用等动态内存故障,提高了测试效率.在分析过程中,还综合应用了控制流图和路径条件,提高了测试结果的精度.实验结果表明,该方法能够有效检测动态内存故障,而且出于规则定义较为全面,漏报和误报率也较低.     

基于MSER-Otsu与直线矫正的仪表指针定位算法

针对配电站无人值守作业机器人执行巡检任务时对指针式仪表的识读需求,提出一种结合MSER-Otsu阈值分割与Hough变换直线矫正的仪表指针定位算法。利用最大稳定极值区域算法从表盘图像中粗提取出指针区域,引入迭代Otsu算法进一步对该区域进行阈值分割,将指针、阴影和背景区域像素点分离后仅保留指针的二值化图像,对其采用Hough变换进行指针中心线预定位,再以Huber loss为最优化函数对预定位直线进行矫正,最终完成指针中心线的定位。实验结果表明,该算法能在复杂环境中对仪表指针进行精确定位并计算指针偏转角度,与Hough变换算法和Huber loss拟合算法等相比,其处理速度更快且鲁棒性更高,能满足配电站巡检机器人的实际需求。     

A new approach to pointer analysis for assignments

Pointer analysis is a technique to identify at copile-time the potential values of the pointer expressions in a program,which promises significant benefits for optimzing and parallelizing complilers.In this paper,a new approach to pointer analysis for assignments is presented.In this approach,assignments are classified into three categories:pointer assignments,structure(union)assignents and normal assignments which don‘t affect the point-to information.Pointer analyses for these three kinds of assignments respectively make up the integrated algorithm.When analyzing a pointer assigemtn.a new method called expression expansion is used to calculate both the left targets and the right targets.The integration of recursive data structure analysis into pointer analysis is a significant originality of this paper,which uniforms the pointer analysis for heap variables and the pointer analysis for stack variables.This algorithm is implemented in Agassiz,an analyzing tool for C programs developed by Institute of Parallel Processing,Fudan University,Its accuracy and effectiveness are illustrated by experimental data.     

基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.