项目的需求是将一组图像按照相似度分类。
采用了模板匹配计算相似度的实现方式。
#include <opencv2/core.hpp>
#include <openev2/core/utility.hpp>
#include <opencv2/highqui.hpp>
#include <openav2/imgproc.hpp>cv::Mat image matched;
double value;
cv::matchTemplate (image_a, image_b, image_matched, cv::TM CCORR NORMED); cv::minMaxLoc(image_matched, 0, &value, 0, 0);
value的值表示相似度的大小。
这一方案完成后,紧接着又一个需求:使用距离算法作为相似度算法。
而且后面还会有新的算法。
此时,就考虑使用策略模式了。
如果后面没有新需求,仍不需要考虑使用,以避免重构代码带来的时间成本。
使用这一模式后,每一种相似度算法不再是孤立的,而是成了有一个共同父类的兄弟类。
相似度的计算函数calculate()作为父类的纯虚函数,
每个子类用不同的算法实现这一函数。
caller使用父类指针调用函数calculate()。
通过多态机制调用具体子类的函数calculate()。
为什么会选择这一设计模式呢?
使用这一方法后,代码便符合了依赖倒置原则,
依赖于抽象,而不是依赖于具体的实现。
代码将非常有利于扩展,新增一个算法,只需继承父类,并实现纯虚函数。
在caller中使用一个简单工厂在堆中创建子类对象,
每新增一个算法,就在简单工厂中创建出一个新的子类对象。
caller便可以使用新算法了。
节省了开发时间,也节省了测试时间,不用担心先前测试过的算法被新的算法影响。
uml图如下: