当我们使用 GDAL  从栅格数据(RasterData)影像中读写数据的时候，我们最常使用的方法就是 RasterIO。 GDAL 在 GDALDataset 类和 GDALRasterBand 类中都提供了 RasterIO 方法。在这两个类中，RasterIO 函数的差别不大。下面我们通过一个实例来具体了解如何使用 RasterIO

 原型

在 GDALDataset 中，RasterIO  方法的定义如下：

下面我们来了解各个参数的意义：

eRWFlag
它用来指示 RasterIO 的操作方式，读，还是写。GDALRWFlag 枚举有两个值， GF_Read = 0 为读取数据， GF_Write = 1  为写数据。

nXOff,nYOff
它用来指示 RasterIO 在影像上操作(读或写)范围的起始坐标。在影像中，左上角的坐标为 (0,0)。

nXSize,nYSize
它用来指示 RasterIO 在影像上操作范围的大小。nXSize为宽，nYSize为高。 它以 (nXOff,nYOff)为起点，决定了操作影像的范围的大小。

pData
这是一个指针，指向缓存数据块。如果 eRWFlag 为 GF_Write,函数会将 pData 中的数据写入影像，如果为 GF_Read, 那么函数会将从影像中取得的数据写入到 pData 中。 pData 为 void* 类型，它真实的数据类型将由参数 eBufType 决定。
由于 pData 为 void* 类型，所以它的大小一般使用 字节(byte) 来作单位。它的大小需要最底满足缓冲区的大小。即 缓冲区内存块大小 = 缓冲区长 X 缓冲区宽 X 波段数 X 每波段数据元大小 。用参数来表示：

nBufXSize,nBufYSize
它用来指定缓冲区的宽高。这两个参数配合 nXSize,nYSize 来实现对影像的缩放。例如，如果 nBufXSize > nXSize,即缓存区宽度比影像操作区宽度大，那么读取数据时，将得到一个在 X 方向放大的缓冲数据。反之则得到缩小的缓冲数据。
值得注意的是，在读取并缩小影像时，GDAL 将自动分析金字塔(Overviews)中数据，选取合适的金字塔层来来读取数据。所以建立合适的金字塔，对读取影像的效率的很大帮助。

eBufType
它也是一个枚举，用来指示操作的数据类型。如果它与 GDALRasterBand 的数据类型不一致，则 RasterIO 将会做类型转换。需要注意的是，将数据从较大的单位向较小的单位进行转换时，RasterIO 会将数据截取而不是比例缩小。例如从 GDT_Int16(Thirty two bit unsigned integer)转为 GDT_Byte(Eight bit unsigned integer)时，超出 255 的部分将会被直接丢弃。

nBandCount,panBandMap
nBandCount为要操作的波段数。panBandMap则为读写的波段的顺序,即我们可以先读取哪一个波段，后读取哪一个波段。它是一个 int 型数组，内容为波段编号，大小为 nBandCount。这个参数可以为 NULL,这样将默认顺序使用影像的前 nBandCount 个波段来读写。需要注意的是，波段编号是从 1 开始的。 继续阅读

§§ DHT11介绍

DHT11是一款含有已校准数字信号输出的温湿度复合传感器。包括一个电阻式感湿元件和一个NTC测温元件，可与8位单片机相连接。是一款广泛使用是电子元器件。DHT11的一般形态如下图：

DHT11采用四PIN引脚。

• 引脚1:VCC.  接入3~5.5V直流电源。
• 引脚2:Data.  串行数据总线
• 引脚3:N/A.  空引脚
• 引脚4:GND.  接地线

DHT11的供电电压为 3－5.5V。传感器上电后，要等待 1s 以越过不稳定状态.电源引脚（VDD，GND）之间可增加一个100nF 的电容，用以去耦滤波。

串行数据总线用于和单片机进行数据通讯和同步。一次通信时间在4ms左右，传输40bit数据，高位先出。数据协议8位为一组，由高至底分别为：

• 8bit  湿度整数部分
• 8bit  湿度小数部分
• 8bit  温度整数部分
• 8bit  温度小数部分
• 8bit  检验和

继续阅读

SQLiteAPI从功能上可以分为两部分：核心API和扩展API.
核心API用于提供基本的数据库操作，如连接数据库、处理SQL、查询结果，以及一些辅助函数如字符串格式化、调试、错误处理等。
扩展API支持用户自定义函数、聚合和排序规则。

主要数据结构

QLite有很多组件。从程序员的角度 ，我们要了解的主要有connection、statement、B-tree、pager。

connection 和 statement

API 中，与查询处理有关的两个基本数据结构是连接和语句。在 C-API 中，它们分别对应 sqlite3 和 sqlite_stmt 句柄。基本上，所有主要 API 都是在操作这两个数据结构。
一个连接对象(connection)代表数据库的连接和事务的上下文。statement来自于connection, 每个statement都有一个connection。 一个statement代表了一个编译的SQL语句。在内部，它使用VDBE来表示。statement 包括了执行一个命令所需要的一切。

B-tree 和 Pager

一个连接对象可以连接到多个数据库对象——一个主数据库和多个附加数据库。每个数据库对象都有一个B-Tree和相应的Pager对象。SQLite数据库中使用B-tree来存储表的索引和数据。statement使用B-tree的游标遍历存储在page中的记录。B-tree不直接读写磁盘，它只维护page间的关系。在游标访问page之前，pager负责将数据从磁盘中加载到页面缓存(page cache)中。
B-tree 中的页面由B-tree记录组成,也叫payloads。每个payload分两个域：关键字域(key field)或数据域(data field)。关键字域是ROWID或其它关键字的值。B-tree的任务是排序和遍历，所以关键字对其尤为重要。 如果cursor改变了page，为防止事务回滚，则pager需要保存修改前的page。

sqlite采用模块化的体系结构，可划分为3个子系统共8个模块，这些模块将查询过程分成独立的任务，像流水线一样工作。

接口

接口处于Sqlite查询工作流的起始位置，由Sqlite C API构成。应用程序由此处与Sqlite交互。

编译器

编译过程由词法分析器(Tokenizer)、语法分析器(Parser)开始，协同处理文本形式的结构化查询语句(SQL)，分析其语法的有效性，然后转化为下一层能方便处理的层次化数据结构。SQL语句先被分解成一个个的词法记号，然后以语法树的形式重组，语法分析器将该树传给代码生成器。
代码生成器将语法树翻译成一种Sqlite专用的汇编代码，这些代码由一些虚拟机招待的指令组成。代码生成器的唯一工作是将语法树转换为完全由这种汇编代码编写的程序并交给虚拟机处理。

虚拟机

Sqlite架构的核心是虚拟机，也称做虚拟数据库引擎(Virtual Database Engine,VDBE)。它是基于寄存器的虚拟机，在字节码(称为虚拟机语言)上工作，使得它可以独立于操作系统、CPU和系统体系结构。虚拟机语言由100多个被称为操作码(opcodes)的任务构成。VDBE是一个专为数据处理设计的虚拟机，它的指令集中所有的指令，或者用来完成具体的数据库操作(如打开一个表的游标、开始一个事务)，或者以某种方式控制栈完成这些操作做准备。这些指令以恰当的顺序组合，就可以满足复杂的SQL命令的要求。
VDBE之前的所有模块都是用于创建VDBE程序，它之后的所有模块都是用于执行VDBE程序。

后端

后端由B-Tree、页缓存(Page cache)以及操作系统接口组成。 B-Tre的职责是排序。它维护着多个页面之间的复杂关系，这些关系能保证快速定位并找到一个有联系的数据。B-Tree将页面组织成树状结构，页面是树的叶子。这些结构便于搜索。 Pager帮助B-Tree管理页面，它负责传输。pager根据B-Tree的请求从磁盘读取页面，或向磁盘写入页面。由于磁盘操作的性能有限，pager试图通过将频繁使用的页面缓存到内存中来进行加速。pager的功能还包括事务管理、数据库锁以及崩溃恢复，其中许多功能是通过OS接口实现的。
操作系统掊向上层屏蔽了不同操作系统间的差异。保证了其他模块代码的整洁，将凌乱的操作在一个地方集中管理起来，使得Sqlite可以很容易的移植到不同的操作系统上。

最近一个跨平台项目中要用到MD5算法。立马想到了大名鼎鼎的Cryptopp(Cryto++)。CryptoPP功能强大且应用非常广泛，实现了众多加密算法，被很多项目使用，如OpenSSL。于是从Cryptopp的主页下载的源码进行编译。在Windows上编译为DLL一切良好，但在Mac上为IOS编译后，发现其编译的静态库体积太过庞大，单个平台上库的体积超过20M.在多平台交叉编译，尽管使用Oz优化，.a文件仍超过了100M。因为其大量使用了模板，代码膨胀极其恐怖。这个体积给项目协作带来极大不便。所有对CryptoPP库只好忍痛放弃。

只好转向另一个实现Hash算法的库Hashlib++.该库是一个简单便捷的hash加密算法库。用其官网的话说，就是"simple and very easy to use library to create a cryptographic checksum called "hash" in C++"。

其源码在此处下载！

§§ 编译

• 在Windows下编译：

VS新建空项目，然后加入所有源码，即可使用。但如果要编译成动态库时，就需要对源码进行改动，因为源码没有提供函数导出符号。在需要导出的类前添加 __declspec(dllexport) 修饰即可导出相应的类。

• 在Mac下编译(for IOS):

继续阅读

dotNET提供了 MD5CryptoServiceProvider 类，封装了计算MD5哈希值的相关算法。使得计算MD5相当方便。下面是使用该类计算文件MD5的一个例子：

而C++标准库中没有相应的库。相关的开源库有CryptoPP与hashlib++等开源库。可参考这里！

当我们在实现一个带有引用参数的函数时，可能会将该参数的地址存储在该函数作用域外的某个地方。如下代码所示：

MyObject* pObj = NULL;
MyObject tempObj;
void Fun(const MyObject& obj)
{
pObj = &obj;
}

tempObj.Release();

pObj.DoSomething();

当变量tempObj释放后，pObj仍保留了其地址。这将导致pObj变为空悬指针。

为了避免此类BUG出现，Mark Linton提出了如下法则：

函数中，禁止将引用参数的指针保存到函数作用域外。如果确有需要，需要将引用参数声明为指针参数

§前言

高精度计算是算法较为基础的一部分。

由于现有计算编程语言的数据类型限制，对于大数据的存储能力与计算能力有限。故在需要进行大数据运算时，我们采用非常规的方法代替编程语言内置的算法，来进行计算。

大数据计算的一般思路为：将大数据拆分成多个小数据，使用编辑语言能够计算的小数据进行计算，再将小数据合并成大数据。

§大数加法

从自然数的加法开始学习。

首先要解决的是数据的存储。由于C++语言的长整型存储位数有限，存储大数据会出现溢出错误，我们将大数当作一个字符串进行存储。

然后将字符串分解成可以运算的小数，按照数据运算的一般规则来进行计算处理。

最后将多个小数组合成大数表示。

则对于大数加法有如下步骤：

• 存储。使用字符串存储大数，将大数从高位到低位依次存放于字符数组中。这符合数据表示习惯
• 转换。将字符数组从低位到高位依次转换成整型数字，并按下标从大到小依次存入整型数组(即将大数据的最低位向右对齐)。这符合数据计算习惯。
• 计算。按下标从大到小(即大数据从低位到高位)，依次进行单个整型的加法运算。如果满10则向高一个进1
• 转换并存储。按下标的从小到大，将整型数组元素依次存入字符数组。

继续阅读