放大镜查看大图代码

看到园内有人用CSS属性clip:rect()实现了放大镜查看图片的效果,于是我也痒痒的想学一个。本想也用rect来实现的,没想到,rect没用上就实现了效果,然后绞尽脑汁想方设法要用一下rect,最后也确实用上了。直接上吧!

<div class="originImage">
     <div class="rectArea"></div>
  </div>
  <div class="rectedImage">
      <div class="img"></div> 
  </div>
.originImage{
        width:322px;
        height:284px;
        float:left;
        background:url('demo.png');
        position:relative;
    }
    .rectedImage{
        /* width:322px;
                height:284px; */
        /* border:1px solid #F27B04; */
        float:left;
        margin-left:10px;
        position:relative;
    }
    .rectArea{
       width:80px;
       height:80px;
       border-radius:80px;
       background:#000;
       opacity:0.5;
       position:absolute;
       cursor:move;
    }
    .img{
       width:80px;
       height:80px;
       border-radius:80px;
       position:absolute;
       border:3px solid #F27B04;
       background:url('demo.png') no-repeat; 
       position:absolute;
    }
    .mask{
       width:80px;
       height:80px;
       border-radius:80px;
       position:absolute;
       border:16px solid #fff;
    }
var originImage = document.getElementsByClassName("originImage")[0];//原图div
      var rectArea = document.getElementsByClassName("rectArea")[0];//选区div
      var img = document.querySelectorAll('.img')[0];//选择结果的div
      rectArea.onmousedown = function(){
         this.id="couldMove"
      }
      rectArea.onmouseup = function(){
         this.id="couldnotMove"
      }
      rectArea.onmousemove = function(e){
         if(this.id=="couldMove"){
            var left = e.pageX-originImage.offsetLeft;
            var top = e.pageY-originImage.offsetTop;
            this.style.left = left-40+"px";
            this.style.top = top-40+"px";
            if(left >= 282){
               this.style.left = "242px";
            }
            if(left<=40){
               this.style.left = "0px";
            }
            if(top >= 244){
               this.style.top = "204px";
            }
            if(top<=40){
               this.style.top = "0px";
            }
         }
         var offX = rectArea.offsetLeft;
         var offY = rectArea.offsetTop;
         
         img.style.backgroundPosition = -offX+"px "+(-offY)+"px";
  
      }

你看到这里也许有点失望了,就这么点东西,根本不够你学习的,呵呵。效果图如下:

有两个地方是有待加强的:1.选择区应该可以缩大放小。2.查看区域的图片应该可以更大一下,否则都不能叫放大镜了嘛。

是这样,第二个效果其实不太难,主要是准备两个大小相差明显,长宽比例相同的清晰图片作为素材,把大的清晰图作为查看区的素材,把小一点的清晰图作为选择区的素材,这样就能保证左右两边看到的都是清晰的图,要是把小的图片放大作为右边的素材的话因为失真严重感觉好戳的,于是我没写。然后第一个效果你要是想看到的你自己实现以下吧。我喜欢给他人留点余地去发挥哈,我自己回头也再写写。

最后差点忘了补充下用rect怎么做了。如果用rect做的话,首先我是把rectedImage这个div里面的内容换成如下:<img src="demo.png" class="img"/><div class="mask"></div>,img的作用你肯定猜到了是用来操作rect的,而div.mask的作用我觉得说出来就很戳了,怎么做呢?我把这个div做成一个有很粗的边框的圆,rect之后的img不是正方形的吗?把圆形的div覆盖在被rect之后的img上,你就发现看起来还真是一个圆,因为div已经用自己的圆角把四四方方的img的四个角覆盖了。呵呵,这个办法也能实现,就是真心觉得有点戳。代码我就不贴出来了,你看过以后应该很快能实现出来了。

转载于:https://www.cnblogs.com/xuchaosheng/archive/2013/06/08/3127042.html

  • 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