首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何创建具有固定大小图像的RecyclerView,以裁剪为中心对内容和图像进行包装

要创建具有固定大小图像的RecyclerView,并以裁剪为中心对内容和图像进行包装,可以按照以下步骤进行操作:

  1. 首先,在布局文件中定义一个RecyclerView,并设置其宽度和高度为固定大小。例如:
代码语言:xml
复制
<androidx.recyclerview.widget.RecyclerView
    android:id="@+id/recyclerView"
    android:layout_width="200dp"
    android:layout_height="200dp"
    android:clipToPadding="false"
    android:padding="16dp"
    />
  1. 创建一个自定义的RecyclerView.Adapter,并重写其中的方法。在Adapter中,可以使用Glide或Picasso等图片加载库来加载和显示图像。例如:
代码语言:java
复制
public class MyAdapter extends RecyclerView.Adapter<MyAdapter.ViewHolder> {
    private List<String> imageUrls;

    public MyAdapter(List<String> imageUrls) {
        this.imageUrls = imageUrls;
    }

    @NonNull
    @Override
    public ViewHolder onCreateViewHolder(@NonNull ViewGroup parent, int viewType) {
        View view = LayoutInflater.from(parent.getContext()).inflate(R.layout.item_image, parent, false);
        return new ViewHolder(view);
    }

    @Override
    public void onBindViewHolder(@NonNull ViewHolder holder, int position) {
        String imageUrl = imageUrls.get(position);
        Glide.with(holder.imageView.getContext())
                .load(imageUrl)
                .centerCrop()
                .into(holder.imageView);
    }

    @Override
    public int getItemCount() {
        return imageUrls.size();
    }

    public static class ViewHolder extends RecyclerView.ViewHolder {
        ImageView imageView;

        public ViewHolder(@NonNull View itemView) {
            super(itemView);
            imageView = itemView.findViewById(R.id.imageView);
        }
    }
}
  1. 创建一个布局文件用于定义每个图像项的外观。例如,item_image.xml可以包含一个ImageView来显示图像:
代码语言:xml
复制
<ImageView
    android:id="@+id/imageView"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:scaleType="centerCrop"
    />
  1. 在Activity或Fragment中,初始化RecyclerView,并设置其LayoutManager和Adapter。例如:
代码语言:java
复制
RecyclerView recyclerView = findViewById(R.id.recyclerView);
recyclerView.setLayoutManager(new LinearLayoutManager(this));
List<String> imageUrls = Arrays.asList(
        "https://example.com/image1.jpg",
        "https://example.com/image2.jpg",
        "https://example.com/image3.jpg"
);
MyAdapter adapter = new MyAdapter(imageUrls);
recyclerView.setAdapter(adapter);

这样,就创建了一个具有固定大小图像的RecyclerView,并以裁剪为中心对内容和图像进行包装。你可以根据实际需求修改布局、加载图片的方式以及RecyclerView的样式。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Advanced CNN Architectures(R-CNN系列)

一种定位方式是首先将给定图像传入一系列卷积层和池化层 并为该图像创建一个特征向量,保留相同的全连接层进行分类,然后在特征向量之后添加另一个全连接层,目的是预测边界框的位置和大小,称其为边界框坐标。...在这个 CNN 中: 有一个输出路径 作用是为图像中的对象生成类别 另一个输出路径的作用是生成该对象的边界框坐标 在这个示例中,假设输入图像不仅具有相关的真实标签而且具有真实的边界框。...因为这些区域通常具有不同的大小 因此首先需要被转换成标准大小 ,CNN 能够接受为输入图像。...同样,我们需要处理这些投射中不同大小的区域,因为网络中的更深的层级要求输入时固定大小。因此,需要执行感兴趣区域(ROIs)池化,将这些区域调整为固定大小,然后再送到全连接层中。 ?...ROL池化层是网络中的一个附加层,它接收任意大小的矩形区域,对该区域执行maxpooling操作,使输出为固定形状。下面是一个将一些像素值分割成若干块的区域的示例,将对该区域应用池化。

75120

最先进的图像分类算法:FixEfficientNet-L2

FixRes 是 Fix Resolution 的缩写形式,它尝试为用于训练时间的 RoC(分类区域)或用于测试时间的裁剪保持固定大小。...这被用作训练时间的 RoC 。(请注意,使用此技术会人为地增加数据量)。然后调整图像大小以获得固定大小(=裁剪)的图像。然后将其输入卷积神经网络 [2]。...输入图像 ( H x W ) 对输出裁剪的缩放比例可以由以下因素表示: 测试时间 在测试时,RoC 通常位于图像的中心,这会导致所谓的中心裁剪。...这样,裁剪就有了大小。 关于输入图像是正方形 ( H=W ) 的假设,测试增强的比例因子可以表示为: 有什么发现? 在开发 FixRes 之前,测试和训练时间的预处理是彼此分开的,从而导致偏差。...如下所示: 这会对数据输入 CNN 的方式产生两种影响: 图像中对象(此处是乌鸦)的大小通过 FixRes Scaling 进行更改。 使用不同的裁剪大小会影响神经元的激活方式和时间。

1.9K20
  • 轻松生产短视频——腾讯多媒体实验室横屏转竖屏技术

    传统的视频宽高比转化的方法通常使用静态裁剪(即使用一个固定的视角窗口对视频进行裁剪,保留窗口内的视频内容,裁剪掉窗口外的部分)和补充黑边(即固定视频长宽比缩放,并在其他位置补充零值)。...如图5所示,图中第1行第1列为花样滑冰示例,运动员在滑冰场快速运动,裁剪后镜头需持续快速移动,以跟踪主要目标,第2列为太极表演,镜头不需要根据人物运动而实时移动以保持目标在裁剪后视频正中心位置,只要表演者大部分区域没有移动出裁剪范围...对于多显著性目标场景,如图3和图4第1行,视频中包含不同数目的舞者,如何合理地从多个运动目标中选取最显著的目标进行裁剪,具有非常大的难度。...该方案提供三种视频运动速度选择(慢动作、默认速度、快动作),以让算法判断视频中的画面变化速度,根据不同速度设定,算法会自动创建不同数目的视频关键帧,用于分析和裁剪。...算法以视频和给定裁剪宽高比作为输入,首先利用预处理算法进行黑边检测,然后利用显著性的方法进行视频主要内容分析,接着根据显著性预测结果进行视频框生成,最后利用后处理算法使得裁剪结果在时序上更加平滑,并保留裁剪视频和裁剪框位置

    2.6K40

    Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

    当应用于任意大小的图像时,目前的方法大多是通过剪切或扭曲来将输入图像拟合到固定大小,如图1(上)所示。但是裁剪区域可能不包含整个目标,而扭曲的内容可能导致不必要的几何失真。...2.3、训练网络理论上,无论输入图像大小如何,上述网络结构都可以用标准的反向传播进行训练。但实际上,GPU实现(如cuda-convnet和Caffe)最好在固定的输入图像上运行。...将图像调整大小,使较小的尺寸为256,并从整个图像的中心或四个角选择224×224裁剪。通过水平翻转和改变颜色来增强数据。在两个完全连接的层上使用了Dropout。...表6 (c)显示了我们对完整图像的结果,其中图像的大小进行了调整,使较短的边为224。我们发现结果有了很大的改善(78.39%对76.45%)。这是由于维护完整内容的全图像表示。...这主要是因为Caltech101中的物体也像ImageNet一样占据了图像的大部分区域。除了裁剪,我们还评估了图像的扭曲以适应224×224大小。这个解决方案保留了完整的内容,但是引入了失真。

    1.9K20

    华为鸿蒙 HarmonyOS 开发资料全面汇总

    uCrop 进行鸿蒙化的移植和开发,作为裁剪组件,使用鸿蒙的 DataAbility 实现了对鸿蒙系统相册的读写。...图像处理 Crop_ohos - 基于开源项目 Android-crop 进行鸿蒙化的移植和开发,该组件提供了一个自定义的裁剪框——可以在被裁减的图片范围内移动或缩放。...确定给定设备配置的系统 UI 的大小,位置和存在可能并非易事。该库提供了一种使用颜色值为系统栏创建背景“色调”的简单方法。 lock-screen - 简单漂亮的锁屏库可设置检查密码。...cropper - 裁剪器是一种图像裁剪工具。它提供了一种以 XML 方式和以编程方式设置图像的方法,并在图像顶部显示了可调整大小的裁剪窗口。...鸿蒙操作系统应用开发实践 - 陈美汝、郑森文、武延军、吴敬征 - 本书针对 HarmonyOS SDK 4 版本,对鸿蒙操作系统的应用开发基础进行了梳理和介绍并同时,构建了一个在分布式场景非常常用的视频流直播实例作为实战的内容演练

    3.3K40

    目标检测——SPPNet【含全网最全翻译】「建议收藏」

    我们从表6(a)中的基本模型开始。该模型为ZF-5,不含SPP。要应用此模型,我们调整图像大小以使其较小的尺寸为224,并裁剪中心224×224区域。 SVM通过层的特征进行训练。...表6(c)显示了我们在完整图像上的结果,其中图像被调整大小以使较短边为224。我们发现结果显着改善(78.39%对76.45%)。这是由于维护完整内容的全图像表示。...除了裁剪,我们还评估拉伸图像以适应224×224大小。此解决方案保留了完整的内容,但引入了失真。...因此,对于以( x 0 x_0 x0​, y 0 y_0 y0​)为中心的响应,其在图像域中的有效感受域以(x,y)=(S x 0 x_0 x0​,S y 0 y_0 y0​)为中心,其中S是所有先前步幅的乘积...为了解决比例差异,我们将每个训练图像的大小调整为min(w,h)= 400(而不是256),并随机裁剪224×224个视图以进行训练。仅当裁剪与地面实况对象重叠至少50%时才使用裁剪。

    99710

    Android 各版本特性

    Android 5.0特性 MaterialDesign设计风格 支持多种设备 支持64位ART虚拟机 5.0中使用了recyclerview代替了listview,它具有高度解耦,可以自定义样式,提供...夜间模式 Android 8.0特性: 通知渠道 — Notification Channels 通知渠道是由应用自行定义的通知内容类别,借助渠道,开发者可以让用户对不同种类的通知进行精细控制,用户可以单独拦截或更改每个渠道的行为...在以前的 Android 版本中,图标大小定义为 48 x 48 dp。现在你必须按照以下的规范定义你的图层大小: 两张图层大小都必须为 108 x 108 dp。...图层中心 72 x 72 dp 范围为可视范围。 系统会保留四周外的 36dp 范围用于生成有趣的视觉效果(如视差和跳动)。...(优先排列媒体,系统和游戏声音) 新的图片解码 Android P新增了ImageDecoder类,为解码图像提供了一种更优的方法。

    1.4K10

    Unsupervised Pixel–Level Domain Adaptation with Generative Adversarial Networks

    然而,通过以源图像和随机噪声向量为条件,我们的模型可以用于创建几乎无限的随机样本,这些样本看起来与目标域的图像相似。...他们训练以图像为条件的网络,以产生输出图像,该输出图像在预先训练的模型上的激活类似于输入图像(高级内容激活)和单个目标图像(低级风格激活)。...我们的像素自适应模型由生成函数 ,由 参数化,将源域图像 和噪声向量 映射到自适应或伪图像 。给定生成器函数G,可以创建任何大小的新数据集 。...我们使用来自每个域的32个样本的批次,输入图像以零为中心,并重新缩放为[-1,1]。在我们的实现中,我们让G采用卷积残差神经网络的形式,该网络保持原始图像的分辨率,如图2所示。...其次,该模型是否能够以一种不局限于训练过程中看到的对象类的方式对这两个领域进行推广?  为了回答第一个问题,我们首先对源图像中的图像运行生成器G,以创建一个自适应的数据集。

    38840

    实战|TF Lite 让树莓派记下你的美丽笑颜

    我们的应用具有图像输入和音频输入功能,因此我们还需要摄像头和麦克风。除此之外,我们还需要显示器来显示内容。总成本不到 100 美元。详情如下所列: ?...如果存在,则将其从原始图像中裁剪出来。 对裁剪后的人脸图像应用人脸属性分类模型,以测量其是否为笑脸。 ?...在本教程中,针对您自己的 TensorFlow Lite 模型,您会发现该技术将非常易于使用。 对从摄像头中捕获的原始图像进行大小调整,并固定其长宽比。压缩率根据原始图像大小采用 4 或 2。...在我们的应用中,从相机中捕获的原始图像尺寸为 640x480,所以我们将图像尺寸调整为 160x120。 我们并未使用原始图像进行面部属性分类,而是弃用背景并使用裁剪出的标准人脸。...边界框和 6 个面部关键特征点示例 人脸裁剪工具 检测到的人脸朝向和尺寸大小各不相同,为了统一并更好地进行分类,我们会旋转、裁剪和缩放原始图像。

    1.8K10

    使用SSD进行目标检测:目标检测第二篇

    我们举一个例子(图3),看看如何准备分类网络的训练数据。 为了做到这一点,我们将首先从图像中裁剪出多个图像块。 下图显示了从图像裁剪的示例块。 ? 对于准确包含目标的块2,我们用目标类别进行标记。...然后,我们裁剪包含在框中的块,并将它们调整为卷积神经网络的输入大小。 接着,我们将这些块送入网络以获取目标对象的标签。 我们用较小的窗口大小重复这个过程,以便能够捕捉较小尺寸的对象。...我们不仅需要在多个地方进行块裁剪,而且还要在多个尺度上裁剪,因为对象可以是任意大小的。这将相当于要产生数以千计的块,并将所有块输入到网络中。这种做法将导致在单个图像上进行预测需要大量的时间。...我们举一个例子来详细的了解这个网络。 下面的图6显示了最初通过3个卷积层的尺寸为12X12的图像,每个卷积层具有3×3的滤波器尺寸(具有不同的步长和最大池化操作)。...位于右上象限(以红色显示,中心为8,6)的12X12大小的图像,其倒数第二个特征图相应地在最后一层产生1X1的得分(用红色标记) ?

    1.6K50

    数据科学家目标检测实例分割指南

    y = 边界框左上角 y 坐标 w = 边界框的宽度(以像素为单位) h = 边界框的高度(以像素为单位) 模型 因此,在此设置中,我们创建一个多输出模型,该模型以图像为输入,具有(n_labels...这里就是整个深度学习框架的精髓——将层叠在一起,重用组件以创建更好的模型,并创建架构来解决您自己的问题。而这正是我们接下来将会看到的内容。...由于候选框大小不一样,得到的特征图大小也不一样,但是全连接层要求输入的向量大小是固定的,如何把全连接层前面的特征图变成相同大小的特征图呢?这时就要用到ROI Pooling。...区域建议网络怎么工作的? 本文的主要思想之一是锚点想法。锚点是固定边界框,放置在整个图像中,其大小和比率不同,将用于在首次预测对象位置时参考。因此,首先,我们在图像上定义锚点中心 ?...在原始图像中定位中心 在 VGG16 网络的情况下,锚点中心以 16 px 分隔,因为 (14x14x512) 子卷积层对图像进行 16倍(224/14) 的降采样。 这是锚点的外观: ?

    1.1K41

    停车位检测新数据集、新方法,精准又快速

    第二阶段将裁剪的子图像作为输入以预测的粗略位置为中心,并输出更精细的位置以进一步提高性能-粗略位置与ground truth之间的偏移。...然后,从输入图像中裁剪以第一阶段生成的顶点候选为中心的子图像。此外,利用第二阶段网络将精确的顶点位置从子图像中以偏移的形式回归到粗略的顶点候选。 ?...此外,金字塔网络被用于提取具有不同分辨率的特征图,这可以将缩放鲁棒性引入网络。然后,将这些特征图插值入到固定大小,并concat到合并的特征图中。...因此,获得了一系列大小为w1×h1×c1的特征图,如图6所示。例如,将其中一个特征图命名为M,将M中点的值命名为M(i,j)。(i,j)可以看作是输入图像对第一阶段圆形描述符的响应强度。...Second Stage:在第一阶段获得标记点的初始位置之后,以顶点候选的位置为中心,从输入图像中裁剪出一系列S×S子图像。

    2.2K20

    停车位检测新数据集、新方法,精准又快速(含视频解读)

    第二阶段将裁剪的子图像作为输入以预测的粗略位置为中心,并输出更精细的位置以进一步提高性能-粗略位置与ground truth之间的偏移。...然后,从输入图像中裁剪以第一阶段生成的顶点候选为中心的子图像。此外,利用第二阶段网络将精确的顶点位置从子图像中以偏移的形式回归到粗略的顶点候选。 ?...此外,金字塔网络被用于提取具有不同分辨率的特征图,这可以将缩放鲁棒性引入网络。然后,将这些特征图插值入到固定大小,并concat到合并的特征图中。...因此,获得了一系列大小为w1×h1×c1的特征图,如图6所示。例如,将其中一个特征图命名为M,将M中点的值命名为M(i,j)。(i,j)可以看作是输入图像对第一阶段圆形描述符的响应强度。...Second Stage:在第一阶段获得标记点的初始位置之后,以顶点候选的位置为中心,从输入图像中裁剪出一系列S×S子图像。

    1.2K30

    SPPNet(2015)

    即使对输入图片进行裁剪、扭曲等变换,调整到统一的size,也会导致原图有不同程度失真、识别精度受到影响】SPPNet提出了**“空间金字塔池化”**消除这种需求,不管图像大小是多大,在整张图片上只需要计算一次...而作者的方法不需要对图片作这种预处理,在卷积层和全连接层之间加入SPP 层(空间金字塔池化层),对卷积层的输出进行池化,起到一个信息聚合作用,从而避免在一开始对输入图片进行Crop、Warp,产生固定长度的输出...这些空间存储单元的大小与图像大小成比例,因此无论图像大小如何,存储单元的数量都是固定的。这与之前深层网络的滑动窗口池形成对比,后者的滑动窗口数量取决于输入大小。...(10 view指10次crop test,包括在四个corner+中心+相应的水平翻转进行的crop) SPPNet in Object Detection 以上的内容都是在讲解SPPNet的作用和使用方法...我们使用缩放(resize)而不是裁剪,将前述的224×224的区域图像变为180×180大小。这样,不同尺度的区域仅仅是分辨率上的不同,而不是内容和布局上的不同。

    48920

    【技术综述】计算机审美,学的怎么样了?

    神经网络要求输入大小是固定的,这对将深度神经网络算法应用于美学评估提出了特别的挑战。为了满足输入大小的要求,输入图像需要在输入到神经网络之前进行裁剪,缩放或填充。这些转换往往会损害原始图像的美感。...通过查阅文献发现,目前研究点主要集中在三方面:(1)在网络输入大小受限制的情况下,如何设计网络架构及网络输入以达到同时保留图像的全局信息和局部细节;(2)如何利用图像的风格/语义信息,或者如何对不同内容的图片选择合适的美学质量评价模型...然后,将style-column CNN用作第三个输入列,形成具有style/semantic信息(SDCNN)的三路CNN。其双路CNN如下图所示,全局视图包括:中心裁剪,变形和填充。...在最后阶段,将带有额外分支的基础网络与固定的内容分类分支一起进行微调。实验结果表明,通过考虑属性和类别内容信息来学习美学特征是非常有效的。 ? ? MNA 神经网络一般采用固定尺寸输入。...深度卷积神经网络在提取图像美学特征方面最大的局限性是其要求输入图像大小是固定的,而输入图像需要在输入到神经网络之前进行裁剪、缩放或填充等操作会破坏图像原有的构图,从而可能损害图像的原始美感,如何同时保留图像的全局信息和局部信息是一个主要挑战

    1.2K20

    Very Deep Convolutional Networks for Large-Scale Image Recognition—VGG论文翻译—中文版

    也就是说,通过使用具有动量的小批量梯度下降(基于反向传播(LeCun等人,1989))优化多项式逻辑回归目标函数来进行训练。批量大小设为256,动量为0.9。...第一种是修正对应单尺度训练的S(注意,采样裁剪图像中的图像内容仍然可以表示多尺度图像统计)。...为了速度的原因,我们通过对具有相同配置的单尺度模型的所有层进行微调,训练了多尺度模型,并用固定的S=384S = 384进行预训练。...最后,为了获得图像的类别分数的固定大小的向量,类得分图在空间上平均(和池化)。我们还通过水平翻转图像来增强测试集;将原始图像和翻转图像的soft-max类后验进行平均,以获得图像的最终分数。...测量的浅层网络top-1错误率比网络B的top-1错误率(在中心裁剪图像上)高7%,这证实了具有小滤波器的深层网络优于具有较大滤波器的浅层网络。

    1.4K00

    【私人整理】空间金字塔池化网络SPPNet详解

    由于输入的图像大小固定,即数据维度固定,但是现实样本中往往很多样本是大小不一的,为了产生固定输入大小的样本,有两种主要的预处理措施: (1)crop(裁剪) ?...从上面可以看出,对原始图像进行裁剪之后,必然会有相关的特征被剔除掉了,肯定会影响到特征的提取; (2)wrap(缩放) ?...我们将整个这三层包装成一个“金字塔层(这个名字是我自己起的,其实就相当于一个卷积核的意思)”,那么有N个“金字塔层”的时候,最后得到的输出特征为 21*N个,这是固定大小的。...我们使用缩放而不是裁剪,将前述的224的区域图像变成180大小。这样,不同尺度的区域仅仅是分辨率上的不同,而不是内容和布局上的不同。...在测试阶段,是直接对各种尺寸的图像应用SPP-net的。

    9.5K61

    玩王者荣耀用不好英雄?两阶段算法帮你精准推荐精彩视频

    我们决定利用技能区域,以及其他两个基于卷积神经网络的分类器进行训练,以提高识别准确性。技能区域的位置并不固定,且随着视频宽高比变化。因此,检测技能区域的算法应调整视频的宽高比。...由于视频中英雄数量不定,我们需对原始视频帧和相应匹配图像进行观察,如图2: ? 图2(a)原始视频帧 ? 图2(b)相应的匹配图像 ?...针对英雄外观,只需在检测到的血条下面为主英雄裁剪一个固定区域,外观图像尺寸为163×163;对主英雄的技能区域,根据视频的宽高比进行位置补偿。...为了减少非游戏界面中技能区域的虚假裁剪,只在检测到主英雄时裁剪技能区域,大小为360×360。对于英雄的首技能,我们在提取技能区域的左下角运行圆检测算法。...检测到至少一个圆的话,使用最大圆的中心和固定大小来裁剪首技能区域,大小为110×110。 ?

    69910

    OpenGL坐标系及坐标转换

    为了使被显示的三维物体数字化,要在被显示的物体所在的空间中定义一个坐标系。这个坐标系的长度单位和坐标轴的方向要适合对被显示物体的描述,这个坐标系称为世界坐标系。世界坐标系是始终固定不变的。...世界坐标系以屏幕中心为原点(0, 0, 0),在OpenGL中用来描述场景的坐标。比如使用这个坐标系来描述物体及光源的位置。世界坐标系,是不会被改变的。...局部坐标系:OpenGL还定义了局部坐标系的概念,所谓局部坐标系,也就是坐标系以物体的中心为坐标原点,物体的旋转或平移等操作都是围绕局部坐标系进行的,这 时,当物体模型进行旋转或平移等操作时,局部坐标系也执行相应的旋转或平移操作...无论是在世界坐标系中进行转换还是在局部坐标系中进行转 换,程序代码是相同的,只是不同的坐标系考虑的转换方式不同罢了。 视坐标系:以视点为原点,以视线方向为Z轴正方向的坐标系。...通常,视点转换操作在模型转换操作之前发出,以便模型转换先对物体发生作用。场景中物体的顶点经过模型转换之后移动到所希望的位置,然后再对场景进行视点定位等操作。模型转换和视点转换共同构成模型视景矩阵。

    4.2K71

    Web 技术:CSS最小和最大(宽度高度)知识点及优缺点

    如果内容更长,会发生什么? 例如一段? ? 是的,你猜对了!section的高度将展开以包含新内容。有了它,我们就可以构建灵活的组件,并对其内容做出响应。...flex 项目的最小大小等于其内容的大小。 根据CSSWG: 默认情况下,flex项目不会缩小到它们的最小内容大小(最长单词或固定大小元素的长度)以下。...页面包装器/容器 最常用的`max-width`用例之一是页面包装器或容器。通过向页面添加最大宽度,我们可以确保内容对用户来说是可读的、易于浏览的。 ?....wrapper { max-width: 70ch; /* Other styles */ } 对高度未知的元素进行动画处理 在某些情况下,我们面临着使手风琴或移动菜单具有意想不到的内容高度的挑战...modal是一个元素,因此它已经具有其父元素的100%宽度,对吗? 考虑下面为模态设计简化的测试案例。 请注意,如果可用视口空间不足,则宽度如何更改为其父级的100%。 ?

    6.1K20
    领券