J2ME学习笔记 : List控件的用法,Image的使用(原创)

首先我们来说说List的用法,这是个列表式屏幕,List好比我上篇文章说过的TextBox一样,也是作为一个画布一样的界面然后往里面添加需要的控件就可以,只不过TextBox添加上去的顺序和位置是从左到右从上到下的,而List添加的是一行一行的列表式的文字或选项或图片,更多用在选项框的界面,以下给出源代码和运行截图

import javax.microedition.midlet.MIDlet;
import javax.microedition.midlet.MIDletStateChangeException;
import javax.microedition.lcdui.*; //提供了一个命令类


public class list extends MIDlet implements CommandListener
//要处理按钮高级别事件。程序必须继承一个命令监听器接口类CommandListener类

{
private List mainList;
Image[] imageArray;
private Command exitCommand;
String stringArray[] = {
    "Test1",
    "Test2",
    "Test3"   
};

public list()    //类的构造函数

{
   try{
    Image icon = Image.createImage("/1.png");
    imageArray = new Image[]{
      icon,
      icon,
      icon   
    };
   
   }
   catch (java.io.IOException err)
   {
   
    imageArray = null;
    System.out.println("dkfkdfjdkjfkdfkdj");
   }
  
   mainList = new List("terry",Choice.MULTIPLE,stringArray,imageArray);
   exitCommand = new Command("Exit",Command.EXIT,1);
   mainList.addCommand(exitCommand);
   mainList.setCommandListener(this);
  
}

protected void startApp() throws MIDletStateChangeException //负责程序的初始化功能

{
  
   Display.getDisplay(this).setCurrent(mainList);
   System.out.println("startMyfirstJ2ME");

}

protected void destroyApp(boolean arg0) throws MIDletStateChangeException //程序推出时调用的函数

{
   System.out.println("玩完咯");

}

protected void pauseApp() //暂停状态时调用的函数

{

   System.out.println("PauseApp");

}

public void commandAction(Command arg0, Displayable arg1) {
   // TODO Auto-generated method stub
  
}

 


}

 

  • 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
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