ActionScript数字处理

本文介绍ActionScript中数字的不同表现形式及转换方法,包括十六进制、八进制和十进制之间的转换,如何使用toString()和parseInt()方法,以及如何进行四舍五入和格式化输出等。

      数字的表现形式:十进制、八进制和十六进制。十六进制以0x开头,八进制以0开头。在ActionScript中不管怎么设置数字,其内部结果总是以十进制存储。

1、不同数字类型之间可以强制转换。如果要输出其他进制,可使用toString()方法。语法如下:

对象.toString(进制数);(进制数为236的整数)

Var i:int=12;trace(i.toString(2));

Trace(new uint(25).toString(16));

2parseInt()方法把指定的字符串转换为十进制数。其语法如下:

parseInt(字符串,字符串进制);

trace(parseInt(“1100”,2));

若不指定字符串进制,则默认为十进制,除非在字符串前加上0x0

Tarce(parseInt(0x12));tarce(parseInt(014));

若给出的字符串格式和指定进制冲突,这时字符串会默认为十进制。

请看以下冲突:

Trace(parseInt(“017”,10));                                         //显示17

Trace(parseInt(“0x12”,10));                                      //显示0

3、四舍五入

Math.round(数值);

其他:

Math.floor(2.4.99);                                                     //显示204

Math.ceil(401.01);                                                       //显示401

另外,四舍五入最好的方式是用NumberUtilities中的round()方法。NumberUtilities类是第三方的类,可到http://rightactionscript.com/ascb/下载,其所在包为ascb.util.

NumberUtilities.round(数值,间隔值);

import ascb.util.NumberUtilities;      

trace(NumberUtilities.round(2.337,.01));

//显示2.34

4、格式化输出

var styler:NumberFormat=new NumberFormat("#,###,###,###.000");

trace(styler.format(123456));

//      123.456,000

NumberFormatNumberUtilities在同一包下。

5、生成随机数

Math.random()方法可生成[0,1)的随机数。

NumberUtilities.random(最小值,最大值,间隔值);其中间隔值默认为1.也可以实数。

Trace(NumberUtilities.random(-10,10,2));

Trace(NumberUtilities.random(-10,10,0.1));

 

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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