居中大全

(参考原文https://css-tricks.com/centering-css-complete-guide/?utm_source=caibaojian.com

平时做居中,拿过来就做,全靠运气。知道很多种可以居中的办法,每次应用也是哪个可以实现就用哪个,今天有时间整理一下居中问题,不要再瞎猫碰死耗子了,遇到什么情况直接找到对应的方法。高效直接找到不同情境下的居中实现方法不是更好么。大概可以分为三中居中:水平居中、垂直居中、水平垂直同时居中

1.水平居中(基础初级)

行内元素:父元素中添加text-align: center;

单个块级元素:居中元素本身添加margin0 auto;

多个块级元素:父元素中添加display: flex;justify-content: center;

 

2.垂直居中(稍微有难度了)

一、行内

单行文本

1)父元素设置相同的上下padding

2居中元素本身height=line-height

多行文本

1)过时了的table

1)包裹在table tr td中,内容自动垂直居中(过时了吧,老土的方法)

2)模拟table样式,父元素添加display: table;子元素添加display: table-cell;vertical-align: middle;

2父元素有高度:

父元素上设置display: flex;flex-direction: column;justify-content: center;

3)父元素没高度:

父元素上设置positionabsolute;父元素::before设置content: " "; display: inline-block; height: 100%; width: 1%; vertical-align: middle;子元素上设置display:inline-block;vertical-align:middle;

二、块级 

居中元素高度固定

父元素上设置positionrelative;子元素:position: absolute; top: 50%; height: 100px; margin-top: -50px; /*padding时,padding要另算,即(height+2*padding)/2*/

 ②居中元素高度不固定

父元素上设置positionrelative;子元素:position: absolute; top: 50%;transform: translateY(-50%);(上周用这个做了个弹框,改成position:fixed就可以了)

③可以使用flexbox一切就变得简单多了

父元素上设置display: flex; flex-direction: column; justify-content: center;

3.水平垂直同时居中(重头戏、终极boss

居中元素高度宽度都固定

父元素设置:position: relative;

子元素设置:width: 300px; height: 100px; padding: 20px; position: absolute; top: 50%; left: 50%; margin: -70px 0 0 -170px;

②居中元素高度宽度不固定

父元素设置:position: relative;

子元素设置:position: absolute; top: 50%; left: 50%; transform: translate(-50%, -50%);}

③可以使用flexbox

父元素上设置display: flex; justify-content: center; align-items: center;

 小结:没有什么是不可以居中的

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值