as与js相互通信(flex中调用js函数)

  Flex中As调用Js的方法是:
  1、导入包 (import flash.external.ExternalInterface;)
  2、使用ExternalInterface.call("Js函数名称",参数)进行调用,其返回的值就是Js函数所返回的值
  Js调用As的方法是:
  1、导入包 (import flash.external.ExternalInterface;)
  2、在initApp中使用ExternalInterface.addCallback("用于Js调用的函数名",As中的函数名)进行注册下
  3、js中 就可以用document.getElementById("Flas在Html中的ID").注册时设置的函数名(参数)进行调用
  as和js通信addcallback失效
  参考原文:http://www.zhaohongri.cn/?p=14
  情况一:flash一旦在浏览器里cache住,如果在as里一开始就addcallback就会失效
  情况二:一个js函数上来就调用as的一个函数的时候,页面会报错,提示找不到这个flash对象,或者函数没有定义。Flash8的时代,针对 ExternalInterface这个类,文档里只说明了怎么用,而没有具体说怎么合理的组织和页面的结构,一直到了cs3的时代,帮助里才说明了正确的函数注册和js调用的过程,具体的见Flash cs3帮助。大概的代码如下:
  js部分:
  
  var jsReady=false;
  var swfReady=false;
  function isReady(){
  return jsReady;
  }
  function setSwfIsReady(){
  swfReady=true;
  getSWF("flashobj").fun()
  }
  function pageInit(){
  jsReady=true;
  }
  function getSWF(movieName) {
  if (navigator.appName.indexOf("Microsoft") != -1) {
  return window[movieName+"_ob"];
  } else {
  return document[movieName+"_em"];
  }
  }
  οnlοad=function(){
  pageInit();
  }
  
  注意,在getSWF函数里用了 return window[movieName+"_ob"]和return document[movieName+"_em"],在IE下,如果object标签和embed表现用同样的id,通过js去访问flash对象的时候,IE会认不出,FF是没有问题的
  as部分
  private function registerJsFun():void{
  if(ExternalInterface.available){
  try{
  var containerReady:Boolean=isContainerReady();
  //ExternalInterface.call("ceshi","registerJsFun:"+ containerReady);
  if(containerReady){
  //注册函数
  setupCallBacks();
  }else{
  //检测是否准备好
  var readyTimer:Timer=new Timer(100);
  readyTimer.addEventListener(TimerEvent.TIMER,timeH andler);
  readyTimer.start();
  }
  }catch(error:Error){
  trace(error)
  }
  }else{
  trace("External interface is not available for this container.");
  }
  }
  private function timeHandler(event:TimerEvent):void{
  var isReady:Boolean=isContainerReady();
  if(isReady){
  Timer(event.target).stop();
  setupCallBacks();
  }
  }
  private function isContainerReady():Boolean{
  var result:Boolean=Boolean(ExternalInterface.call("isR eady"));
  return result;
  }
  private function setupCallBacks():void{
  ExternalInterface.addCallback("fun",fun);
  ExternalInterface.call("setSwfIsReady");
  }
  具体我就不解释了,不明白的可以仔细去看下cs3帮助,大概的意思就是页面开始渲染的时候js去调用swf对象,有可能swf对象没有完全 load完,所以这个触发器要从flash开始,当flash加载的时候就开始不停的调用页面的一个函数,取一个页面是否加载完毕的标识,当 pageonLoad后,这个标识为true了,说明flash也加载完毕了,这个时候flash再开始注册函数,同时调用页面的js,让js调用 Flash对象
  实例:a.mxml
  
  
  
  
  
  
  
  
  
  
  
  
  index.html
  
  
  
  
  
  
  
  
  
  
  
  function callApp() {
  var x = MyFlexApp.flexFunctionAlias();
  document.getElementById('receivedField').value = x;
  }
  function changeDocumentTitle(a) {
  window.document.title=a;
  return document.getElementById('sendField').value;
  }
  
  
  
  数据发送给AS:
  
  

  

  接收AS的数据:
  
  

  
  HEIGHT="500">
  
  
  
  
  HEIGHT="500" scale=noborder bgcolor=#000000 NAME="TH2"TYPE="application/x-shockwave-flash" PLUGINSPAGE="http://www.macromedia.com/go/getflashplayer">
  
  
  本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/hartkevin/archive/2010/03/10/ 5361524.aspx
  • 0
    点赞
  • 0
    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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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
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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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