边框新增属性

·border-radius 设置四个角属性。

·border-top-left-radius 左上角圆角边框。

·border-top-right-radius 又上角圆角边框。

·border-bottom-left-radius 左下角圆角边框。

·border-bottom-right-radius 右下角圆角边框。

·border-image (边框图片)复合属性,设置边框图像来填充,可以依次设置以下属性。

·border-image-source 图像来源路径。

·border-image-slice  边框背景图的分割方式。

·border-image-width  边框宽度。

·border-image-outset  边框背景图的扩展(边框图像区域超出边框的量)。

·border-image-repeat  边框图像的平铺方式:stretch拉伸/repeat重复铺满/round重复 铺满并对图像进行调整。

如:div{

border-image-source:url(a.jpg);

border-image-slice:30; //border-image-slice:30 fill; //fill图片中间部分截取填充

border-image-width:30px;

border-image-outset:10px;

border-image-repeat:round stretch;

}

div{

border-image:url(a.jpg) 30 /20px /10px round;//同时设置时第二、三个属性用/隔开

}

·box-shadow  向方框添加一个阴影。

·none:无阴影。

·阴影水平偏移/阴影垂直偏移/阴影模糊值/阴影外延伸/阴影颜色/inset内阴影(默认 outset

如:#div1{box-shadow:5px -5px 5px green;} //阴影映射方向改变

#div1:hover{box-shadow:-5px -5px 5px green;}

#div2{box-shadow:-5px 5px 5px yellow;} //阴影向外延伸效果

#div2:hover{box-shadow:-5px 5px 5px 5px yellow;}

#div3{box-shadow:-5px 5px 5px rgba(0,0,0,1);} //调配淡化阴影

#div3:hover{box-shadow:-5px 5px 5px 5px rgba(0,0,0,0.5);}

#div4{ //阴影向四周延伸

box-shadow:

0px 0px 1px 0px rgba(255,0,0,1),

0px 0px 1px 0px rgba(255,255,0,1),

0px 0px 1px 0px rgba(255,0,255,1);

}

#div4:hover{

box-shadow:

0px 0px 1px 5px rgba(255,0,0,0.5),

0px 0px 1px 10px rgba(255,255,0,0.5),

0px 0px 1px 15px rgba(255,0,255,0.5);

}

转载于:https://www.cnblogs.com/wzjie1234/p/10719282.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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