sencha architect 2 官方实例 Linked Instances

本文介绍了Architect中LinkedInstances的概念及其使用方法。通过创建通用组件并利用LinkedInstances,可以轻松实现在不同场景下的组件重用。文章还展示了如何通过覆写对LinkedInstances进行定制化修改。

代码可重用是创建一个可维护软件系统的基本要素,architect可以帮助你把应用中的可复用类抽取出来。

每一个architect inspector的最外层实例代表一个类

architect能让你从上至下的开发或从下至上的开发,如果你从一个单一view容器开始,你将不断更改类的配置来增强它。如果你从一开始就专注于构建单个特定的展现形式来设计你的应用程序,然后再组装起来,你就可以用Linked Instances来实现

使用Linked Instances的目的就在于重用,你创建了一个通用组件,或xtype,然后创建一个Linked Instances,这样他就能再任何你需要它的时候重用它

更改最初的组件,所有此组件的Linked Instances都会跟着变化,每一个Linked Instances继承所有的变化。你也可以单独编辑Linked Instances。更改属性将覆写最初的组件。当你用另一个architect特性 增强类 时(在inspector中右键点击一个组件),这个变得非常有用

例子

增加一个Form Panel作为顶层组件,增加一个FieldSet和两个Text Fields到里面。设置form的userClassName -> SpecialForm, userAlias -> specialform。看截图


增加一个Window作为第二个顶层组件在inspector中,拖动SpecialForm到这个window中,会有弹出框出现 问你是copy move还是link,选择link。这样 architect 创建了一个MyWindow内的SpecialForm的Linked Instances 名叫 MyForm,还创建了一个能再项目中重用的 xtype 名为 specialform,如下图:


让我们来在一个viewport中重用这个specialform,增加一个Viewport顶层组件,在inspector中,拖动顶层组件SpecialForm到viewport中,弹出框选择link,architect创建了第二个 SpecialForm的Linked Instances,如下图:

 

如果最初的组件发生变化 那么其他的两个也会发生变化。也可以点击其中一个更改 请自行尝试

用覆写做更多的Linked Instances

有时可视化视图可能无法通过拖拽完成一些操作,如 你想在viewport的实例form中添加一个ComboBox就是不行的
为了做这个,创建一个包含一个combobox的覆写。选择viewport 点击Code按钮,点击Create Override。用编辑器创建覆写initComponent。但是注意这在界面中是显示不出来的,因为architect并不认识覆写代码,运行时能看到

好了 链接实例 就讲到这里了


本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 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
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