DIV+CSS盒子模型

DIV+CSS盒子模型

一、盒子模型css

  1. height
  2. width
  3. padding 内边距
  4. margin  外边距
  5. border

 

1.margin 外边距

margin-top:15px;

margin-right:50px;

margin-bottom:100px;

margin-left:150px;

或者

margin:10px 50px 100px 200px;

一个值代表四个边

二个值代表 上下  左右

三个值代表 左右  

四个值代表    

每个数值之间需要使用空格隔开

2. padding 内边距

padding-top:10px;

padding-right:50px;

padding-bottom:100px;

padding-left:200px;

或者

padding10px 50px  100px  200px;

一个值代表四个边

二个值代表 上下  左右

三个值代表 左右

四个值代表

每个值之间都需要使用空格隔开

3.通用选择器

* 选择的是所有元素

*{margin:0px;padding:0px}

是他最常用的属性作用是去除div和浏览器之间的小”凤凤”

4.div或者table居中显示

margin:0px auto;

5.字体居中

需要使用text-align line-height 配合将文本垂直居中显示

/*字体左右居中*/

  text-align:center;

  /*字体垂直居中*/

  line-height:50px;

二、参与布局的常用属性

1.position 定位

a) absolute  绝对定位

absolute 绝对定位 如果只使用position:absolute没有任何意义的 只是脱离文档流 绝对定位是相对于浏览器的0,0点进行定位 需要使用 left top right bottom这几个方向属性来配置

如果你有父级元素 会根据父级元素的左上角定位

b) relative   相对定位

 是相对于当前位置进行定位

 相对定位他的位置和中国固有领土一样 不容侵犯

c) fixed 固定定位 需要使用top left 配合

d) static       默认值

2 . z-index  设置显示层级

auto 自动

number 数字

数字越大就会在最上面显示

3.display 显示属性 还有块级和行内级元素互换功能

none 隐藏 ,文档不保留位置 不占位隐藏

block 转换为块级

inline  转换为行内级

inline-block 转换为行块级

4.visibility  是否可见

visible 可见

hidden 隐藏 占位隐藏

5.overflow 超出部分处理

visible 总是可见(默认值)

hidden  超出部分隐藏处理

scroll   滚动条 声明时候都有滚动条

auto    自动 如果超出出现滚动条 否则没有

 

6.float 浮动

left

right

设置浮动  脱离普通文档流

浮动元素都会变成块级元素  如果不设置宽度 会尽可能的窄

如果你使用浮动了 请将你的元素计算精确 如果不精确会有弊端!

7.clear 清除浮动

left

right

both 只用它就好了

就是让你脱离文档流的内容(float)回到文档中

推荐: 每次看见浮动都要记得清除浮动

   为什么  我只能告诉你没有为什么 就这样记 如果不清除浮动你的页面会乱的一逼 什么地方出现就在什么地方清除(同一级别清除一次) 不能说统一一次就全部清除里面的浮动 要出现就清除

再次强烈推荐 一定要写清除浮动

三、布局

浮动布局

三列浮动布局

二列浮动布局

 

 

 

总结:

这里要注意,盒子的大小是有

  1. height
  2. width
  3. padding 内边距
  4. margin  外边距
  5. border

5个组成的,排版的时候一定要注意每个位置的值,以免换行错位。

定位的使用,一般我们都是先用相对定位之后对子集进行绝对定位,很少单独使用绝对定位或相对定位。

display:none;  visible :hidden ;这两个隐藏的区别,一个隐藏不占原来的位置,一个隐藏占原来的位置

转载于:https://www.cnblogs.com/yuhudashen/p/7265920.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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