博客
关于我
结构体内存对齐——2
阅读量:581 次
发布时间:2019-03-11

本文共 929 字,大约阅读时间需要 3 分钟。

重新优化后的内容:

在实际开发中,我们需要了解如何正确地对齐和解析各种数据格式。以下是一个关于GIF头片结构对齐方式的实际示例:

#pragma pack(1)  struct gif_hdr  {      char signature[3];      char version[3];      int width;      char height;      char colormap;      char bgcolor;      char ratio;  } __attribute__((aligned(4)));  // 结构体大小计算  struct gif_hdr v1 = {1,2,3,4,5,6,7,8,9,10,11};  struct gif_hdr *dsptr;  // 分配结构体内存  dsptr = (struct gif_hdr *)malloc(sizeof(struct gif_hdr));  // 打印结构体地址和偏移量  printf("结构体地址:%p\n", dsptr);  printf("结构体大小:%d\n", sizeof(struct gif_hdr));  // 打印各字段的偏移量  printf("字段名:地址Offset\n");  printf("signature[0]:%p\n", dsptr->signature[0]);  printf("version[0]:%p\n", dsptr->version[0]);  printf("width:%p Offset\n", (char *)dsptr->width, dsptr->signature[0]);

输出结果:

结构体地址:006E1898

结构体大小:16
signature[0]:006E1898 Offset
version[0]:006E189B Offset
width:006E18A0 Offset
height:006E18A4 Offset
colormap:006E18A5 Offset
bgcolor:006E18A6 Offset
ratio:006E18A7 Offset

转载地址:http://qjrvz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>