脚本话CSS

读取CSS元素 

style

例如,运行div.style,会展示出div能用的所有的能用的css属性

style 是行间样式,只认识写在它行间的值,和getComputedStyle不同,这个是最终显示在文档的值

可读写行间样式,没有兼容问题,碰到Float这样的保留字属性,前面应加css

cssfloat

复合属性必须拆解,组合单词变成小驼峰式写法

写入的值必须是字符串格式 

window.getComputedStyle(ele,null);

计算样式只读,除了Style,其他访问CSS的只能读,不能写;

返回的计算样式的值都是绝对值,没有相对单位,例如10em,显示的就是160px、颜色红色red,显示的就是rgb(255,0,0)形式;

IE8及以下不兼容

但IE有自己的操作方式

ele.currentStyle

计算样式只读,

返回的计算值不是经过转换的值,意思是写的10em就是10em.

封装一个方法,解决兼容性问题,很实用:

<script>
     function getstyle(elem,prop){
                if(window.getComputedStyle){
                    return window.getComputedStyle(elem,null)[prop]
                }else{
                    return elem.currentStyle[prop];
                }
            }
            //:elem是DOM元素,prop是想获取CSS什么属性
           // getComputedStyle(ele,null)里null是放伪元素的,只此一个方法
</script>

另外突发奇想,想用伪元素写一个点击图片变色的程序

<!DOCTYPE html>
<html lang="en">
    <head>
        <style type="text/css">
       .green::after{
            content:"";
            width:50px;
            height:50px;
            background-color: green;
            display:inline-block;
                    }
       .yellow::after{
            content:"";
            width:50px;
            height:50px;
            background-color: yellow;
            display:inline-block;
        }

        </style>
<meta charset="UTF-8">
    </head>
    <body>
        <div class = "green" style="background-color:#000000;width: 100px;height: 100px;opacity: 0.5;">
        </div>
        <script>

             
            var div = document.getElementsByTagName('div')[0];
            var count = 0;
            div.onclick = function () {
                count ++;
                if(count % 2 == 1){
                    this.className = "yellow";
                }else{
                    this.className = "green";
                }
            }
        </script>

  • 1
    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
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