C#의 언어적 특징

-

언어적 특징

  • 자바와 유사하나 자바와 달리 불안전 코드(unsafe code)와 같은 기술을 통하여 플랫폼 간 상호 운용성을 중시. 상
  • C#의 기본 자료형은 닷넷의 객체 모델을 따르고 있고, 
런타임 차원에서의 메모리 수거(garbage collection)가 되며 
또한 클래스, 인터페이스, 위임, 예외와 같이 객체 지향 언어로서 가져야 할 모든 요소들이 포함, 하
  • Case Sensitive, C#은 Strong-Type Language(변수, 함수원형 선언해야) 중
  • 변수, 연산자, 제어문은 거의 C/C++과 유사, 하
  • 클래스, 객체지향 방식은 델파이와 매우 유사, 중
  • 콤포넌트명은 소문자로 시작해야 인식: 중
    • button.Location = new Point(100, 30);
    • statusBar1.Text="good";
  • Comment: 
    // 한줄, /* */ 블럭, /// XML
    하
  • C#은 C/C++과는 달리 헤더파일이 없다. 하
  • 모든 C# 애플리케이션은 그 클래스들 중 하나에 반드시 Main 메소드를 포함해야 한다. 상
  • C/C++과 달리 .NET에서의 char은 유니코드 , 상
  • C#은 C++보다 형 안전성에 대하여 더 관대하다. 중!
이 말은 형 안정성을 보장할 수 없다는 것도 동시에 뜻한다. 
System.Object 클래스가 모든 클래스의 선조 클래스이기 때문에 이러한 관대함이 가능하게 되었다. 

댓글

댓글 쓰기

이 블로그의 인기 게시물

파이썬으로 Homomorphic Filtering 하기

-
이미지
import cv2 # For OpenCV modules (For Image I/O and Contour Finding) import numpy as np # For general purpose array manipulation import scipy . fftpack # For FFT2 #### imclearborder definition def imclearborder ( imgBW , radius ): # Given a black and white image, first find all of its contours imgBWcopy = imgBW . copy () contours , hierarchy = cv2 . findContours ( imgBWcopy . copy (), cv2 . RETR_LIST , cv2 . CHAIN_APPROX_SIMPLE ) # Get dimensions of image imgRows = imgBW . shape [ 0 ] imgCols = imgBW . shape [ 1 ] contourList = [] # ID list of contours that touch the border # For each contour... for idx in np . arange ( len ( contours )): # Get the i'th contour cnt = contours [ idx ] # Look at each point in the contour for pt in cnt : rowCnt = pt [ 0 ][ 1 ] colCnt = pt [ 0 ][ 0 ] # If this is within the radius of th...
자세한 내용 보기

파이썬으로 2D FFT/iFFT 하기: numpy 버전

-
이미지
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2 . imread ( 'messi5.jpg' , 0 ) f = np . fft . fft2 ( img ) fshift = np . fft . fftshift ( f ) magnitude_spectrum = 20 * np . log ( np . abs ( fshift )) plt . subplot ( 121 ), plt . imshow ( img , cmap = 'gray' ) plt . title ( 'Input Image' ), plt . xticks ([]), plt . yticks ([]) plt . subplot ( 122 ), plt . imshow ( magnitude_spectrum , cmap = 'gray' ) plt . title ( 'Magnitude Spectrum' ), plt . xticks ([]), plt . yticks ([]) plt . show () rows , cols = img . shape crow , ccol = rows / 2 , cols / 2 fshift [ crow - 30 : crow + 30 , ccol - 30 : ccol + 30 ] = 0 f_ishift = np . fft . ifftshift ( fshift ) img_back = np . fft . ifft2 ( f_ishift ) img_back = np . abs ( img_back ) plt . subplot ( 131 ), plt . imshow ( img , cmap = 'gray' ) plt . title ( 'Input Image' ), plt . xticks ([]), ...
자세한 내용 보기