UI基础第十四弹:UITableview控件使用小结

一、UITableview的使用步骤

UITableview的使用就只有简单的三个步骤:

1.告诉一共有多少组数据

方法:- (NSInteger)numberOfSectionsInTableView:(UITableView *)tableView;

2.告诉每组一共有多少行

方法:- (NSInteger)tableView:(UITableView *)tableView numberOfRowsInSection:(NSInteger)section; 

3.设置每组每行(cell)

方法:- (UITableViewCell *)tableView:(UITableView *)tableView cellForRowAtIndexPath:(NSIndexPath *)indexPath; 

二、使用说明

1.多少组数据和显示多少行通常是和数据息息相关的,在开发中数据通常存储在plist文件中,需要以一定的方式加载到项目中(模型)。

2.设置每组每行,说简单点就是设置tableview中得每个cell.

设置cell的步骤有三步:

(1)创建一个cell(需要考虑性能,对cell进行循环利用,注意缓存处理方式)

(2)为cell设置数据

(3)返回一个cell

设置cell有三种方式:

(1)使用系统提供的tableviewcell进行设置

(2)通过xib自定义tableviewcell,适用于长相一致的,如团购展示界面

(3)通过纯代码自定义tableviewcell,适用于有差距的,如表现为高度不一样,有的cell拥有某个属性,而有的cell中没有,如微博展示界面

三、自定义tableviewcell

1.通过xib文件自定义一个view的步骤

(1)新建一个xib文件,描述一个view的内部

(2)新建一个自定义的类,自定义的类需要继承自系统自带的view,继承自哪个类,取决于xib跟对象的class

(3)新建类的类型最好跟xib的文件名保持一致

(4)将xib的控件和自定义类的.m文件进行连线

(5)提供一个类的方法返回一个创建好的自定iview(屏蔽从xib加载的过程)

(6)提供一个模型属性让外界传递模型数据

(7)重写模型属性的setter方法,在这里讲模型数据展示到对应的子控件上面

2.通过代码方式自定义cell

(1)新建⼀一个继承自UITableViewCell的类

(2)重写initWithStyle:reuseIdentifier:方法

添加所有需要显示的子控件(不需要设置子控件的数据和frame, 子控件要添加 到contentView中)

对子控件进行一次性的属性设置(有些属性只需要设置一次, 比如字体\固定的图片)

(3)提供2个模型 

数据模型: 存放文字数据\图片数据

frame模型存放数据模型\所有子控件的frame\cell的高度

(4)cell拥有一个frame模型(不要直接拥有数据模型)

(5)重写frame模型属性的setter方法: 在这个方法中设置子控件的显示数据和frame

(6)frame模型数据的初始化已经采取懒加载的方式(每一个cell对应的frame模型数据只加载一 次) 

四、使用代理的步骤

(1)先搞清楚谁是谁的代理(delegate)

(2)定义代理协议,协议名称的命名规范:控件类名 + Delegate

(3)定义代理方法

代理方法一般都定义为@optional

代理方法名都以控件名开头

代理方法至少有1个参数,将控件本身传递出去

(4)设置代理(delegate)对象 (⽐比如myView.delegate = xxxx;)

代理对象遵守协议

代理对象实现协议里面该实现的方法

(5)在恰当的时刻调⽤代理对象(delegate)的代理方法,通知代理发生了什么事情

 (在调⽤之前判断代理是否实现了该代理⽅方法) 

  • 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