[转] 鼠标缓动跟随

[url]http://bbs.9ria.com/viewthread.php?tid=81628&extra=page%3D1%26amp%3Borderby%3Ddateline%26amp%3Bfilter%3D2592000[/url]


发个小小的鼠标缓动跟随效果,看了《Making Things Move》后将里面的鼠标跟随扩展了一下
EaseToMouse.as

package {
import animation.trigonometry.ArrowByLoad;
import flash.display.Sprite;
import flash.events.Event;

/**
* @author Maliu
*/
[SWF(frameRate = 30)] //这里的元数据标签要Flex SDK才支持,Flash IDE不支持
public class EaseToMouse extends Sprite
{
private var arrow:ArrowByLoad; //鼠标跟随的元件,外部载入
private var easing:Number = 0.5; //缓动值,决定跟随速度的快慢,可自己尝试修改该值以观察效果
private var vx:Number = 0; //x轴速度
private var vy:Number = 0; //y轴速度
private var angle:Number; //角度,由dy与dx得到
private var dx:Number; //目标与当前元件的x轴距离
private var dy:Number; //目标与当前元件的y轴距离

private var arrowArray : Array; //储存跟随对象的数组
private const numArrow:Number = 10; //跟随对象的数目
private const scaleValue:Number = 0.86; //基础缩放值

public function EaseToMouse()
{
init();
}
//初始化
private function init():void
{
arrowArray = new Array();
for(var i:int = 0; i<numArrow; i++)
{
arrow = new ArrowByLoad();
addChild(arrow);
arrowArray.push(arrow);
}
this.addEventListener(Event.ENTER_FRAME, onEnterFrame);
arrow.addEventListener(Event.COMPLETE, setScale); //侦听加载事件的完成,解决异步引起的不能缩小元件的问题
}
private function onEnterFrame(e:Event):void
{
for(var i:int = 0; i<numArrow; i++)
{
//因为数组里不包含鼠标的坐标,因此分开判断进行不同的传值
if(i > 0)
{
calEvery(arrowArray[i-1].x, arrowArray[i-1].y, arrowArray[i]);
}
else
{
calEvery(mouseX, mouseY, arrowArray[i]);
}
}
}
//计算传入currentArrow的rotation,需要传入dx和dy
private function calRotation(currentArrow:ArrowByLoad, dx:Number, dy:Number):void
{
angle = Math.atan2(dy, dx);
currentArrow.rotation = angle * 180/Math.PI;
}
//计算每个元件的缓动,传入不同的目标值和缓动对象
private function calEvery(targetX:Number, targetY:Number, currentArrow:ArrowByLoad):void
{
dx = targetX - currentArrow.x;
dy = targetY - currentArrow.y;
if(Math.abs(dx)<1 && Math.abs(dy)<1)
{
vx = 0;
vy = 0;
//currentArrow.x = targetX;
//currentArrow.y = targetY;
}
else
{
vx = dx * easing;
vy = dy * easing;
calRotation(currentArrow, dx, dy);
//currentArrow.x += vx;
//currentArrow.y += vy;
}
currentArrow.x += vx;
currentArrow.y += vy;
}
//给每个元件赋予不同的缩放值和透明度
private function setScale(e:Event):void
{
var n:Number = this.numChildren;
var tempScale:Number = 0;
var temp:ArrowByLoad;
for(var i:int = 0; i<n; i++)
{
temp = arrowArray[i];
tempScale = Math.pow(scaleValue, i);
temp.scaleX = tempScale;
temp.scaleY = tempScale;
temp.alpha = tempScale;
}
}
}
}


其中元件是外部加载的图像,以下是加载的代码
ArrowByLoad.as

package animation.trigonometry {
import flash.display.Bitmap;
import flash.display.Loader;
import flash.display.Sprite;
import flash.events.Event;
import flash.net.URLRequest;

/**
* @author Maliu
*/
public class ArrowByLoad extends Sprite
{
private var _imgURL:String = "arrow-alt-right-black.png";
private var _bitmap:Bitmap;
public function ArrowByLoad()
{
loadImg();
}
private function loadImg():void
{
var loader:Loader = new Loader();
var request:URLRequest = new URLRequest(_imgURL);
loader.contentLoaderInfo.addEventListener(Event.COMPLETE, loaded);
loader.load(request);
}
private function loaded(e:Event):void
{
_bitmap = e.target.content as Bitmap;
_bitmap.smoothing = true; //将Bitmap属性smoothing设为true后消除锯齿,默认为false
this.addChild(_bitmap);
_bitmap.x = -_bitmap.width/2;
_bitmap.y = -_bitmap.height/2;

dispatchEvent(e); //加载完成后发送事件,用于外部侦听事件,解决异步问题
}
}
}


这里使用外部加载的图像,如果在EaseToMouse.as初始化后直接设定ArrowByLoad类对象的scale值和alpha值,会发现并不能成功改变ArrowByLoad类对象的大小和透明度,因为EaseToMouse.as代码的执行和ArrowByLoad.as加载外部图像的代码执行为异步的,因此要在EaseToMouse内对加载完成事件进行监听才能成功改变scale值和alpha值。
当然,不加载外部图像,直接调用库中元件或者用[Embed]标签嵌入外部图像就不必要在EaseToMouse类中对加载行为进行监听了。
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