现场高分求助:将反向BCD码转换为字符串的C程序

qdwfji 2006-10-29 09:56:18
急啊, 十万火急啊!
偶现在需要比对BCD码的大小,但反向BCD码显然不能直接比较,如
起始BCD:214365, 终止BCD:214387。比较某BCD码是否处于二者之间,如214375,或214395。

现在急需先将BCD码转换为字符串,123456,123478,123457,123459后,再进行比较
...全文
544 9 打赏 收藏 转发到动态 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
gxh9314 2006-10-29
  • 打赏
  • 举报
回复
不明白楼主的意思
飞哥 2006-10-29
  • 打赏
  • 举报
回复
一头雾水~
jixingzhong 2006-10-29
  • 打赏
  • 举报
回复
我不明白为什么 要这样转换数据后比较 ~~

楼主能解释一下 什么是 反向BCD码 么?
BCD码是可以理解,
这个反向BCD码 是什么概念?

它们比较是根据什么规则呢?
Jokar 2006-10-29
  • 打赏
  • 举报
回复
你的BCD码存储为什么数据型态的
yingge 2006-10-29
  • 打赏
  • 举报
回复
晕,自己+一句不就可以了么?

char *inv_BCD_to_str(char *dst,void *BCDcode,size_t size){
char *ret=dst;
int i;
for(i=0;i<size;i++){
*dst++=((int)(*(char *)BCDcode)&0xf)+'0';
if(((int)(*(char *)BCDcode)&0xf0)==0xf0)
continue;
*dst++=((int)(*(char *)BCDcode)>>4)+'0';
(char *)BCDcode++;
}
*dst='\0';
return ret;
}
qdwfji 2006-10-29
  • 打赏
  • 举报
回复
多谢楼上兄弟
不过可能是我没有讲所有反向BCD码的描述说清楚——
反向BCD码如果是奇数位,则补F填充最后高半字节,如
字符串12345,其反向BCD码就要表示成2143F5
0010 0001 0100 0011 1111 0101
-- -- -- -- -- --
2 1 4 3 F 5
yingge 2006-10-29
  • 打赏
  • 举报
回复
#include <stdio.h>

char *inv_BCD_to_str(char *dst,void *BCDcode,size_t size){
char *ret=dst;
int i;
for(i=0;i<size;i++){
*dst++=((int)(*(char *)BCDcode)&0xf)+'0';
*dst++=((int)(*(char *)BCDcode)>>4)+'0';
(char *)BCDcode++;
}
*dst='\0';
return ret;
}

int main(){
char s[]={0x21,0x43,0x65,};
char *t=(char *)malloc(sizeof(s)*2+1);
printf("%s\n",inv_BCD_to_str(t,s,sizeof(s)));
free(t);
return 0;
}

qdwfji 2006-10-29
  • 打赏
  • 举报
回复
不好意思,是我没有解释清楚。答复如下:
1. 反向BCD码就是每byte的高4位、低4位反序,比如字符串格式123456存储成反向BCD码就是
0010 0001 0100 0011 0110 0101
-- -- -- -- -- --
2 1 4 3 6 5

2. 之所以要先将反向BCD码转换为字符串,是反向BCD码自身无法比较。比如
反向BCD码214387(就是字符串123478)要比反向BCD码214375(就是字符串123457)和214395(就是字符串123459)都大,但直接比对BCD码显然无法完成

有说的不清楚的大家见谅,我继续解释
lsd1025 2006-10-29
  • 打赏
  • 举报
回复
不明白
本系统提出了一套面向MRI全心脏分割任务的端到端深度学习解决方案,其核心创新在于将Swin Transformer作为编码器骨干网络,充分挖掘心脏MRI图像中的全局上下文信息与局部细节特征,同时引入4通道输入机制,在传统RGB三通道图像基础上额外拼接一个点提示编码通道,支持用户通过鼠标交互在图像上自由标注前景(心脏区域)与背景点,从而将先验空间信息显式地融入网络前向传播过程,实现基于稀疏标注引导的精准分割。在解码阶段,系统采用U型对称结构,通过逐步上采样与跳跃连接逐级恢复特征图分辨率,最终输出二值分割掩膜(前景/背景),有效区分心脏区域与其他组织。训练过程中,系统选用交叉熵损失函数,配合AdamW优化器与余弦退火学习率调度策略,确保模型在训练集和验证集上稳定收敛,并在每个epoch结束后自动计算全局像素准确率、平均交并比(mIoU)、平均Dice系数、平均精确率、平均召回率及平均F1分数等多项评估指标,全方位监控模型性能。系统内置了完整的训练日志保存、损失曲线与性能曲线绘制、学习率衰减可视化等功能模块,便于用户直观分析训练过程并调优超参数。在推理应用层面,系统封装了基于Tkinter框架的图形化交互界面,用户可上传任意MRI切片图像,通过鼠标左键/右键分别添加前景/背景点,点击“执行分割”按钮后即可实时生成叠加了红色半透明掩膜的分割结果图像,支持点集的增删与重置操作,交互响应灵敏,操作逻辑直观清晰。整体而言,本系统不仅实现了从多模态数据加载、交互式标注编码、基于Transformer的分割建模到图形化推理部署的全链路覆盖,更在算法层面通过点提示引导机制与Swin Transformer结构的高效结合,显著降低了对大规模标注数据的依赖,同时提升了模型对心脏边界模糊、形态变异及邻近组织干扰的鲁棒性,为心血管疾病的计算机辅助诊断、术前规划及定量分析提供了一种兼具精度与灵活性的智能

70,039

社区成员

发帖
与我相关
我的任务
社区描述
C语言相关问题讨论
社区管理员
  • C语言
  • 花神庙码农
  • 架构师李肯
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧