Mstar之RS文件分析

注:本人博文整理至优快云以方便查阅,源博文位于EDN


       在每个App底下都有一个res文件夹。这些文件的主要功能是将UI layout从程序中分离,变更的时候无需更改代码。

       这些文件的自动生成应该是源自EMMI Studio。不过我还没用过EMMI Studio来进行开发,一般都是直接手动进行修改。(具体的是否如此,就该问问Mstar官方说法了)

       下面以AlarmApp()为例分析一下RS文件的内容。

 

ApBegin(QvgaP,CLSID_ALARMAPP)

       WndBegin(ALARM_WND_SETALARM)

              WndSetAllSoftkeyRC({SK_SAVE, SK_OK, SK_CANCEL})………………①

        WndSetTitleRC({IMG_NULL_ID,TXT_LTL_N_EDIT_ALARM})

        WdgBegin(CLSID_DOUBLE_TEXT_WIDGET,TitleDoubleTextWidget)

WdgDoubleItemCreateForWndRC({{0,0},{0,0},DOUBLEITEM_STYLE_DOUBLE_TEXT})

            WdgDoubleItemDBTextSetDataByIDRC({TXT_LIL_N_TITLE,TXT_NULL_ID})

        WdgEnd(CLSID_DOUBLE_TEXT_WIDGET,TitleDoubleTextWidget)

       WndEnd(ALARM_WND_SETALARM)

ApEnd(QvgaP,CLSID_ALARMAPP)

 

ApBegin和ApEnd有两个参数,第一个是指ThemeID,主要是在有多个Theme时用来做切换theme的判断。第二个参数很明显,就是对应AP的CLSID了。加载资源的时候,会根据所提供的AP CLSID及Window ID从资源中得到对应窗口的内容。

WndBegin/ WndEnd里的参数是指对应窗口的ID号,这个ID好一般都定义在对应AP的头文件中,如闹铃的是在Mmi_alarmapp_id.h。在一个App中可以定义多个窗口,窗口中又可以定义多个Widget。在程序中Load资源时,变量的数据类型ALARM_WND_SETALARM_t,这个东东又是怎么生成的呢?

这个数据结构是根据用户定义的窗口ID动态生成的。别急!

       在窗体内部就是诸如左右软键,标题,Widget等的layout了。在标号一中设置了左软键功能为保持,Action键为确定,右软键为返回。WndSetAllSoftkeyRC里面的参数在mmi_macro_prop_def.h中可以查看:

#define  WndSetAllSoftkeyRC(...)  PropIDDefine( nAllSkID)  AllSoftkeyVar_t   tAllSk;

AllSoftkeyVar_t这个结构定义在mmi_common_wdgvar.h。具体为

 

typedef struct

{

    u32 nLeftSKID;

    u32 nMiddleSKID;

    u32 nRightSKID;

}AllSoftkeyVar_t;

 

以下是在代码中的调用

ALARM_WND_SETALARM_t *pVar = LoadRC(CLSID_ALARMAPP,ALARM_WND_SETALARM);

WndSetAllSoftkey(hWin, pVar->tAllSk.nLeftSKID,pVar->tAllSk.nMiddleSKID,pVar->tAllSk.nRightSKID);

 

从颜色上我想你应该很清楚知道他们的对应关系了。

WdgBegin/ WdgEnd,参数一,widget ID,参数二,widget的名称。Widget里的写法和结构都可以像左右软键那样找到。

       从上面不难看出,通过WND_ID生成的结构WND_ID_t其实就是内部所有用到的结构的一个打包。


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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