GTK Gossip: GtkCalendar

GtkCalendar 是個可以顯示月曆的元件,只要使用gtk_window_new()建立元件,就可以擁有一個完整的日曆元件顯示,若要設定日期,則可以使用 gtk_calendar_select_month()設定年及月份,使用gtk_calendar_select_day()設定日。

使用gtk_calendar_select_month()設定時要注意的是,月份可設定的數值是從0到11,0表示1月,11表示12月,而 使用gtk_calendar_select_day()設定值則為1到31,或是設定為0表示不選取日。

您可以使用gtk_calendar_mark_day()、gtk_calendar_unmark_day()或 gtk_calendar_clear_marks()設定日期標記,若要得知被標記的日期資訊,可以透過GtkCalendar結構的成員 num_marked_dates得知有幾天被標記了,marked_date為一個陣列,可用以得知哪一天被標記了,例如:

if (calendar->marked_date[26-1]) {
    // 日期 26 被標記了
}


要注意的是,陣列索引值是從0開始,所以存取marked_date時,日期實際上要減去1,才會是對應的索引。

另外,Calendar成員中的month、year與selected_day分別表示目前看到的月、年及所選中的日,若要取得選中的年、月、日,則可 以使用gtk_calendar_get_date()函式,您必須提供三個變數的位址給它,執行過後,三個變數中就會儲存對應的年、月、日:

void gtk_calendar_get_date(GtkCalendar *calendar,
                           guint *year,
                           guint *month,
                           guint *day);


下面這個程式是個簡單的示範:

  • gtkcalendar_demo.c
#include <gtk/gtk.h>

int main(int argc, char *argv[]) {
GtkWidget *window;
GtkWidget *calendar;
guint year = 1975;
guint month = 5 - 1; // 5 月
guint day = 26;
guint mark_day = 19;

gtk_init(&argc, &argv);
window = gtk_window_new(GTK_WINDOW_TOPLEVEL);
gtk_window_set_title(GTK_WINDOW(window), "GtkCalendar");

calendar = gtk_calendar_new();
gtk_calendar_select_month(GTK_CALENDAR(calendar), month, year);
gtk_calendar_select_day(GTK_CALENDAR(calendar), day);
gtk_calendar_mark_day(GTK_CALENDAR(calendar), mark_day);

gtk_container_add(GTK_CONTAINER(window), calendar);

g_signal_connect(GTK_OBJECT(window), "destroy",
G_CALLBACK(gtk_main_quit), NULL);

gtk_widget_show_all(window);

gtk_main();

return 0;
}


一個執行結果如下所示:



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
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