从入门到手写call和apply

本文详细解析了JavaScript中call和apply方法的作用,包括它们如何改变函数调用的this指向,通过实例演示了两者之间的区别,并手写了call和apply的实现。重点讲解了在传参方式上的差异,以及在严格模式下的行为。
摘要由CSDN通过智能技术生成

1.什么是call和apply?

对于js定义一个函数,如果不是对象的方法,那么它就是全局对象的函数。window对象身上的

例:


let obj = {
    name: 'test',
    getName: function() {return this.name}
}

//对象的方法
obj.getName();

funciton getName() { return 'aa'}
//window的方法
getName()

apply和call是一个方法 - 作用是改变函数调用的this指向

apply

let obj = {
    getName: function () {return this.name}
}

let obj2 = {
    name: 'zz'
}

//将obj的方法给obj2调用方法
obj.getName.apply(obj2) - 返回zz

call

let obj = {
    getName: function () {return this.name}
}

let obj2 = {
    name: 'zz'
}

//将obj的方法给obj2调用方法
obj.getName.call(obj2) - 返回zz

apply和call的区别

唯一的不同 - 方法接受的参数形式不用
call - 直接传参
apply- 数组形式传参

例如

let obj = {
    getName: function(name,age) {return name + '' + age}
}

let obj1 = {}

obj.getName.call(obj1, 'aa', '1')
obj.getName.apply(obj1, ['aa', '1'])

如果第一个参数传null

在 JavaScript 严格模式下,如果 apply() 方法的第一个参数不是对象,则它将成为被调用函数的所有者(对象)。在“非严格”模式下,它成为全局对象。

2.手写call和apply

手写call

Function.prototype.mycall = funciton(obj) {
    //是否传入对象,传入为当前对象否则为window
    var obj = obj || window 
    // 赋值当前函数给func
    obj.func = this 
    //将参数维数组转为真数组进行调用
    obj.func(...([...arguments].slice(1)))
    //还原对象,删除函数
    delete func
}

手写apply

Function.prototype.mycall = funciton(obj) {
    //是否传入对象,传入为当前对象否则为window
    var obj = obj || window 
    // 赋值当前函数给func
    obj.func = this 
    //将参数维数组转为真数组进行调用
    obj.func(...arguments[1])
    //还原对象,删除函数
    delete func
}

  • 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