博客
关于我
面向过程与面向对象
阅读量:367 次
发布时间:2019-03-05

本文共 503 字,大约阅读时间需要 1 分钟。

面向过程与面向对象

面向过程是一种以过程为中心的开发方法,它强调按照顺序逐步求精,程序结构是按功能划分为若干基本模块,这些模块形成树状结构,各模块之间关系简单且功能相对独立。每一模块通常由顺序、选择和循环等结构组成,实现模块化通常采用子程序的方式。这种方法认为世界由小系统组成,每个系统有明确的开始和结束,之间有严谨的因果关系。

面向对象是一种以对象为核心的程序设计方法。它将数据及其操作封装到一起,形成对象,对象与对象之间通过消息通信。类则是同类对象的抽象,类具有外部接口,与外界发生关系。对象具有封装性、聚合性、继承性、接口性和多态性等特征。

从微观角度看,对象具有封装性,外部只能看到与外界交互的接口,内部是黑匣子。对象可以通过聚合结合,形成更复杂的对象,继承则允许子类继承父类特性,接口定义对象的共同外貌,而多态则让不同对象呈现相同外貌但有不同行为。

从宏观角度,对象具有短视性,它只关注与自己有联系的伙伴,维持耦合关系。对象自私,保护自己领地,通过小窗口进行交流。

面向过程和面向对象各有优劣,前者适合需求明确、结构简单的场景,后者适合复杂系统需求,强调封装性和多态性。两者各有用,应用场景不同。

转载地址:http://jzhg.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>