webkit-background-size — свойство css :: руководство cssdot.ru
Свойство -webkit-background-size позволяет указывать размеры фонового изображения, которые могут быть заданы в абсолютных величинах (cm, mm, in и т.д.), относительных (px, em и т.д.), или в процентах, по отношению к ширине и высоте элемента контейнера. Масштабировать фоновое изображение возможно как с сохранением исходных пропорций, так и без них.
Допустимые значения
length{1,2} — задает размер фонового изображения в абсолютных величинах (cm, mm, in и т.д.) или относительных (px, em и т.д.). Если задано только одно значение, то второе вычисляется автоматически исходя из пропорций картинки.percentage{1,2} — задает размер фонового изображения в процентах от ширины и/или высоты элемента контейнера. Если задано только одно значение, то второе вычисляется автоматически исходя из пропорций картинки.
- auto{1,2} — задает размер фонового изображения равным исходному, в случае, если указаны обе величины auto, или просто auto; а если указан только для одной стороны картинки (25% auto), то размер вычисляется исходя из пропорций картинки.
- cover — масштабирует картинку с сохранением пропорций по меньшей стороне, то есть так, чтобы фон с избытком покрывал блок-контейнер.
- contain — масштабирует картинку с сохранением пропорций по большей стороне, то есть так, чтобы блок-контейнер с избытком покрывал фон.
Примечания
Chrome 1-3, Safari 3-4
Свойство -webkit-background-size в движке WebKit изначально было реализовано в рамках черновика спецификации CSS3, в котором отсутствовали ключевые слова contain и cover, а так же предполагалось, что если задан размер фоновой картинки с использованием только одного параметра, то второй параметр считается, не пропорционально размерам картинки, а равен первому.
Свойство -webkit-background-size относится к спецификации CSS, применяется к всем элементам, и действует на всех визуальные носителях, его значение не наследуется от родительского элемента в иерархии документа, Является расширением движка WebKit (браузеры Chrome и Safari), и не совместимо с другими браузерами.
Смотри также:
- background-size — Размер фонового изображения, или его масштаб относительно элемента-контейнера.
- -o-background-size — Размер фонового изображения, или его масштаб относительно элемента-контейнера.
- -moz-background-size — Размер фонового изображения, или его масштаб относительно элемента-контейнера.
- Спецификация стандарта CSS 3
- Описание на Mozilla Developer Network
- Описание на Microsoft Developer Network
- Описание на Safari Developer Library
Краткое описание
Размер фонового изображения, или его масштаб относительно элемента-контейнера.
Синтаксис:
[ <length> | <percentage> | auto ]{1,2} | cover | contain [, [ <length> | <percentage> | auto ]{1,2} | cover | contain]*
Применяется к:
всем элементам
Наследование:
не наследуется
Тип носителя:
визуальные
Объектная модель документа (DOM):
[элемент].style[‘-webkit-background-size’]
Кроссбраузерная совместимость
Internet Explorer
не поддерживаетсяFirefox
не поддерживаетсяChrome
| 1.0 | 2.0 | 3.0 | 4.1 | 5.0 | 6.0 | 7.0 | 8.0 | 9.0 | 10.0 | 11.0 | 12.0 | 13.0 | 14.0 | 15.0 | 16.0 | 17.0 | 18.0 | 19.0 | 20.0 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| +/- | +/- | +/- | + | + | + | + | + | + | + | + | + | + | + | + | + | + | + | + | + |
Safari
1. 0 | 1.1 | 1.2 | 1.3 | 2.0 | 3.0 | 3.2 | 4.0 | 5.0 |
|---|---|---|---|---|---|---|---|---|
| — | — | — | — | — | — | +/- | +/- | + |
Opera
не поддерживаетсяКаков наилучший размер фонового изображения сертификата?
Если изображение слишком маленькое, сертификат будет выглядеть некачественно. Если фоновое изображение, которое вы используете, слишком велико, итоговый сертификат будет загружаться на веб-страницу дольше, и его даже не удастся загрузить или опубликовать на других платформах, таких как LinkedIn. Ниже приведены оптимальные размеры пикселей для фоновых изображений сертификатов.
Какого размера ваш сертификат?
Во-первых, это зависит от желаемого размера бумаги. Сертификаты Accredible Digital соответствуют стандартным размерам бумаги, поэтому получатели могут легко создавать PDF-файлы, а получатели могут распечатать свои сертификаты, если захотят.
Если большинство ваших учащихся проживает в Северной или Южной Америке, вы, вероятно, захотите создать дизайн US Letter (8,5 x 11 дюймов). Если большинство ваших студентов находятся в других странах мира (Европа, Азия, Африка), вы, вероятно, захотите создать дизайн своего сертификата на бумаге формата A4 .
Вы можете выбрать дизайн сертификата нужного размера в редакторе дизайна, если вы не выбрали блок текста или изображения.
Какова ориентация вашего дизайна?Если вы выбрали Пейзаж, вам нужен сертификат, ширина которого превышает его высоту. Портрет такого же размера, как бумага, ориентированный вверх и вниз.
Наши рекомендуемые Минимум Размеры фонового изображения сертификата:
Письмо США Альбомное: 1056 x 816 пикселей
Письмо США Книжное: 816 x 1056 пикселей
A4 Альбомная: 1123 x 794 пикселей
A4 Книжная: 794x 1123px
Важное примечание: Имейте в виду, что это минимальные размеры; однако не делайте изображение слишком большим, так как это вызовет проблемы с загрузкой и отображением для ваших получателей.
Убедитесь, что если ваше изображение больше, вы поддерживаете правильное соотношение сторон, чтобы при изменении размера вашего изображения в сертификате оно не искажалось.
Какой формат изображения следует использовать?Для фоновых изображений поддерживаются следующие форматы:
- PNG
- JPEG
- GIF
При разработке шаблона сертификата лучше использовать PNG из-за сжатия без потерь. Этот тип сжатия обеспечивает лучшую детализацию и качество по сравнению со сжатием с потерями в формате JPG.
Имейте в виду, что если вы решите использовать GIF в качестве фонового изображения, оно станет статическим при загрузке получателем.
Для получения дополнительной информации о форматах изображений ознакомьтесь с этой статьей: Какие форматы изображений принимаются для фона дизайна сертификата?
Примечание: Имейте в виду, что PNG приведет к увеличению размера файла изображения, что может привести к увеличению времени загрузки.
Если вы планируете использовать PNG для вывода самого высокого качества, мы рекомендуем использовать фоновое изображение не больше рекомендуемых размеров ниже для печати HQ.
Думаете о высококачественной печати?
Если вы хотите, чтобы ваши получатели могли распечатать свой сертификат на профессиональном принтере, вам потребуется фоновое изображение достаточно высокого разрешения. Как всегда, если вы предоставляете увеличенное изображение, убедитесь, что вы поддерживаете правильное соотношение сторон, чтобы предотвратить искажение.
Требуемые форматы для печати в высоком разрешении A4 Альбомная:
3626 x 2598 пикселейA4 Книжная: 2598 x 3626 пикселей
Важное примечание: Для печати HQ указанные выше размеры должны строго соблюдаться.
Высококачественная печать — область выпуска под обрез
Если ваш фон достаточно велик для высококачественной печати, мы будем считать, что ваше изображение имеет размер область выпуска под обрез, дополнительное изображение по краям, предназначенное для обрезки после печати.
Область выпуска под обрез гарантирует, что ваш дизайн может доходить до краев размера бумаги, с учетом того, что принтеры не печатают прямо до самого края бумаги. Убедитесь, что если вы хотите, чтобы ваш дизайн доходил до самых краев страницы, установите поля для выпуска за обрез на и держите определенные детали подальше от краев вашего дизайна.
Важное примечание: Если включен параметр HQ PDF для печати , атрибуты будут сдвинуты для размещения области выпуска за обрез. Любые атрибуты, особенно рядом с краем, размещенные специально для соответствия элементам в пользовательских шаблонах сертификатов, могут показаться не выровненными, если эта функция включена. Чтобы смягчить эту проблему выравнивания, отключите HQ PDF для печати или соответствующим образом измените собственный шаблон сертификата, чтобы дать некоторое пространство для атрибута, чтобы он опирался на определенные элементы в вашем шаблоне.
Загрузка PDF-версии с качеством печати
После включения этой функции ваши получатели смогут загрузить PDF-версию более высокого качества до
1. Перейдите на страницу учетных данных
2. Нажмите
3. Затем нажмите Скачать качество печати PDF
Помогла ли вам эта статья? Дайте нам знать!
Если вы хотите сообщить нам о каких-либо улучшениях, которые, по вашему мнению, можно было бы внести на эту страницу, вы можете написать нам по адресу [email protected].
Оценка фона (photutils.background) — photutils 1.7.0
Введение
Для точного измерения фотометрических и морфологических свойств астрономических источников, требуется точная оценка фон, который может быть как от неба, так и от детектора. Точно так же иметь точную оценку фонового шума важно для определения значимости обнаружения источников и для оценки фотометрических ошибок.
К сожалению, точная оценка фона и фонового шума невозможна.
трудная задача. Кроме того, поскольку астрономические изображения могут охватывать
большое разнообразие сцен, нет единой оценки фона
Метод, который будет применим всегда. Photutils предоставляет инструменты для
оценивая фон и фоновый шум в ваших данных, но они
вероятно, потребуется некоторая настройка для оптимизации оценки фона
для ваших данных.
Скалярный фон и оценка шума
Простая статистика
Если уровень фона и шума относительно постоянны в
изображения, самый простой способ оценить эти значения — вывести скаляр
величины с помощью простых приближений. Конечно, при вычислении
статистики изображения необходимо учитывать астрономические источники
присутствуют на изображениях, которые добавляют положительный хвост к раздаче
интенсивности пикселей. Например, можно рассмотреть возможность использования изображения
медиана в качестве уровня фона и стандартное отклонение изображения в качестве
фоновый шум 1-сигма, но результирующие значения, очевидно,
необъективно из-за наличия реальных источников.
Несколько лучший метод включает использование надежной статистики. против наличия выбросов, таких как расположение двух весов для фоновый уровень и бивесовая шкала или среднее абсолютное отклонение (БЕЗУМНЫЙ) для оценка фонового шума. Однако для большинства астрономических сцен эти методы также будут искажены наличием астрономических исходники на картинке.
В качестве примера мы загружаем синтетическое изображение, состоящее из 100 источников с фон с распределением по Гауссу, среднее значение которого равно 5 и является стандартным отклонение 2:
>>> из photutils.datasets импортировать make_100gaussians_image >>> данные = make_100gaussians_image()
Построим изображение:
>>> импортировать matplotlib.pyplot как plt >>> из astropy.visualization импортировать SqrtStretch >>> из astropy.visualization.mpl_normalize импортировать ImageNormalize >>> норма = ImageNormalize(stretch=SqrtStretch()) >>> plt.imshow(данные, норма=норма, происхождение='ниже', cmap='Greys_r', .
.. интерполяция = 'ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
Медиана изображения и местоположение двух весов больше истинного уровень фона 5:
>>> импортировать numpy как np >>> из astropy.stats импортировать biweight_location >>> печать (np.median (данные)) 5.225529518399048 >>> print(biweight_location(данные)) 5.186759755495727
Аналогичным образом, используя среднее абсолютное отклонение для оценки Уровень фонового шума дает значение, превышающее истинное значение 2:
>>> из astropy.stats импортировать mad_std >>> print(mad_std(данные)) 2.1443760096598914
Источники клиппинга Sigma
Наиболее широко используемый метод удаления источников с изображения.
статистика называется сигма-отсечением. Кратко, пиксели, которые выше
или ниже указанного уровня сигмы от медианы отбрасываются, а
статистика пересчитывается. Процедура обычно повторяется через
количество итераций или до тех пор, пока не будет достигнута сходимость.
>>> из astropy.stats импортировать sigma_clipped_stats >>> среднее значение, медиана, стандартное значение = sigma_clipped_stats (данные, sigma = 3,0) >>> print((среднее, медиана, станд.)) (5.199138651621793, 5.155587433358291, 2.094275212132969)
Маскировка источников
Еще лучше исключить источники из изображения с помощью маскируя их. Конечно, этот метод требует идентификации источники данных, что, в свою очередь, зависит на фоне и фоновом шуме. Поэтому этот метод для оценка фона и среднеквадратичного значения фона требует итеративного процедура.
Одним из способов создания маски источника является использование
изображение сегментации. Здесь мы используем detect_threshold удобная функция для получения
грубая оценка порога при уровне фонового шума 2 сигма.
Затем мы используем функцию SegmentationImage .
Наконец, мы используем make_source_mask() метод с круговым расширением для создания исходной маски:
>>> из astropy.stats импортировать sigma_clipped_stats, SigmaClip >>> из photutils.segmentation импортаDetect_threshold,Detect_Sources >>> из photutils.utils импортировать round_footprint >>> sigma_clip = SigmaClip(sigma=3.0, maxiters=10) >>> порог = обнаружение_порога(данные, nsigma=2.0, sigma_clip=sigma_clip) >>> segment_img = detect_sources (данные, порог, npixels = 10) >>> след = круговой_след (радиус = 10) >>> маска = segment_img.make_source_mask (отпечаток = след) >>> среднее значение, медиана, стандартное значение = sigma_clipped_stats (данные, sigma = 3,0, маска = маска) >>> print((среднее, медиана, станд.)) (4,994042038715669, 4,991333562774164, 1,9699473426119296)
Конечно, процедуру обнаружения и маскирования источника можно повторять
дальше. Даже с одной итерацией мы находимся в пределах 0,2% от истинного
фоновое значение и 1,5% истинного среднеквадратичного значения фона.
Оценка 2D-фона и шума
Если фон или фоновый шум различаются по изображению, тогда вы, как правило, захотите создать 2D-изображение фона и фоновое среднеквадратичное значение (или вычислить эти значения локально). Это может быть достигается путем применения вышеуказанных методов к субрегионам изображение. Обычная процедура заключается в использовании сигма-усеченной статистики в каждом сетка сетки, которая покрывает входные данные для создания изображения с низким разрешением изображение на заднем плане. Окончательный фон или фоновое изображение RMS может затем генерируются путем интерполяции изображения с низким разрешением.
Photutils предоставляет Background2D класса для оценки 2D-фона и фонового шума в
астрономический образ. Фон 2D требуется размер блока ( box_size ), в котором можно оценить
фон. Выбор размера коробки требует от пользователя некоторой осторожности.
Размер коробки, как правило, должен быть больше, чем типичный размер
источники на изображении, но достаточно маленькие, чтобы инкапсулировать любой фон
вариации.
Для достижения наилучших результатов размер коробки также следует выбирать таким образом.
что данные покрыты целым числом полей в обоих
размеры. Если это не так, edge_method ключевое слово
определяет, следует ли дополнить или обрезать изображение таким образом, чтобы
целое число, кратное box_size в обоих измерениях.
Уровень фона в каждой из сеток рассчитывается с использованием
функция или вызываемый объект (например, экземпляр класса), вводимые через bkg_estimator ключевое слово. Photutils предоставляет несколько фоновых
классы, которые можно использовать:
Средний фонМедианный фонModeEstimatorBackgroundМММФонSExtractorBackgroundBiweightLocationBackground
По умолчанию используется экземпляр SExtractorBackground .
Для этого метода фон в каждой сетке рассчитывается как (2,5 *
медиана) - (1,5 * среднее) . Однако, если (среднее - медиана)/станд. > 0,3 тогда вместо этого используется медиана .
Аналогичным образом, уровень среднеквадратичного значения фона в каждой сетке рассчитывается с использованием
ввод функции или вызываемого объекта через bkgrms_estimator ключевое слово. Для этой цели Photutils предоставляет следующие классы:
StdBackgroundRMSMADStdBackgroundRMSBiweightScaleBackgroundRMS
Для еще большей гибкости пользователи могут ввести пользовательскую функцию или
вызываемый объект на bkg_estimator и/или bkgrms_estimator ключевые слова.
По умолчанию применяются bkg_estimator и bkgrms_estimator .
к сигма-обрезанным данным. Отсечение сигмы определяется вводом объект astropy. на ключевое слово 
stats.SigmaClip sigma_clip .
По умолчанию выполняется отсечение сигма с sigma=3 и макситерс=10 . Отсечение сигмы можно отключить, установив sigma_clip=Нет .
После определения уровня фона в каждом из ящиков,
фоновое изображение с низким разрешением может быть подвергнуто медианной фильтрации с
окно размером filter_size , чтобы подавить локальное недо- или
завышенные оценки (например, из-за ярких галактик в конкретной рамке).
Аналогично, медианный фильтр можно применять только к тем блокам, где
уровень фона выше заданного порога
( filter_threshold ).
Фон с низким разрешением и фоновые RMS-изображения изменены на
исходный размер данных с использованием функции или вызываемого объекта
ввод через интерполятор ключевое слово. Photutils предоставляет два
классы интерполятора: BkgZoomInterpolator (по умолчанию), который
выполняет сплайн-интерполяцию и BkgIDWInterpolator , который использует
взвешенная по обратному расстоянию (IDW) интерполяция.
Для этого примера мы создадим тестовый образ, добавив сильное фоновый градиент к изображению, определенному выше:
>>> ny, nx = data.shape >>> y, x = np.mgrid[:ny, :nx] >>> градиент = х * у / 5000,0 >>> data2 = данные + градиент >>> plt.imshow(data2, norm=norm, origin='lower', cmap='Greys_r', ... интерполяция = 'ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
Начнем с создания объекта Background2D .
с использованием поля размером 50 x 50 и медианного фильтра 3 x 3. Мы оценим
уровень фона в каждой сетке как медиану с сигма-обрезанием с использованием
экземпляр MedianBackground .
>>> из astropy.stats импортировать SigmaClip >>> из photutils.background импортировать Background2D, MedianBackground >>> sigma_clip = SigmaClip(sigma=3.0) >>> bkg_estimator = Медианный фон() >>> bkg = Background2D(data2, (50, 50), filter_size=(3, 3), .
.. sigma_clip=sigma_clip, bkg_estimator=bkg_estimator)
2D-фон и RMS-изображения фона извлекаются с помощью background и background_rms атрибуты соответственно на
возвращаемый объект. Версии этих изображений с низким разрешением
хранится в background_mesh и background_rms_mesh атрибуты соответственно. Глобальное медианное значение
можно получить доступ к фону с низким разрешением и фоновому RMS-изображению
с background_median и background_rms_median атрибутов соответственно:
>>> печать (bkg.background_median) 10.821997862561792 >>> печать (bkg.background_rms_median) 2,298820539683762
Нарисуем фоновое изображение:
>>> plt.imshow(bkg.background, origin='lower', cmap='Greys_r', ... интерполяция = 'ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
и фоновое изображение:
>>> plt.
imshow(data2 - bkg.background, norm=normal, origin='lower',
... cmap='Greys_r', интерполяция='ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
Маскировка
Маски также можно вводить в Background2D . маска Ключевое слово может использоваться для маскировки источников или плохих пикселей на изображении.
до оценки фоновых уровней.
Кроме того, coverage_mask ключевое слово можно использовать для маскировки пробела
области без покрытия данными (например, из повернутого изображения или изображения
из мозаики). В противном случае значения данных в регионах без
покрытие (обычно нули или NaN) неблагоприятно повлияет на фон
статистика. В отличие от mask , coverage_mask применяется к выходу
фоновые и фоновые карты RMS. Ключевое слово fill_value определяет
значение, присвоенное в выходных фоновых и фоновых картах RMS
где вход coverage_mask равно True .
Давайте создадим повернутое изображение с пустыми областями и построим его (ПРИМЕЧАНИЕ: этот пример требует scipy):
>>> из scipy.ndimage импортировать поворот >>> данные3 = вращать(данные2, -45.0) >>> норма = ImageNormalize(stretch=SqrtStretch()) >>> plt.imshow(data3, origin='lower', cmap='Greys_r', norm=norm, ... интерполяция = 'ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
Теперь мы создаем маску покрытия и вводим ее в Background2D , чтобы исключить регионы, в которых мы
нет данных. В этом примере мы устанавливаем для fill_value значение 0,0. Для
реальных данных, обычно можно создать маску покрытия из веса или шума
изображение. В этом примере мы также используем меньший размер окна, чтобы помочь захватывать
сильный градиент на заднем плане. Мы также увеличиваем стоимость exclude_percentile ключевое слово, чтобы включить больше полей по краю
повернутое изображение:
>>> маска_покрытия = (данные3 == 0) >>> bkg3 = Background2D(data3, (15, 15), filter_size=(3, 3), .
.. маска_покрытия=маска_покрытия, значение_заполнения=0.0,
... exclude_percentile=50.0)
Обратите внимание, что маска покрытия применяется к выходному фону.
изображение (значения присвоены fill_value ):
>>> норма = ImageNormalize(stretch=SqrtStretch()) >>> plt.imshow(bkg3.background, origin='lower', cmap='Greys_r', norm=norm, ... интерполяция = 'ближайший')
( Исходный код , png , нанимает.png , pdf , svg )
Наконец, давайте вычтем фон из изображения и построим его:
>>> норма = ImageNormalize(stretch=SqrtStretch()) >>> plt.imshow(data3 - bkg3.background, origin='lower', cmap='Greys_r', ... норма=норма, интерполяция='ближайший')
( Исходный код , png , нанимает.png , пдф , свг )
Если на изображении все еще присутствует небольшой остаточный фон,
вычитание фона можно улучшить, маскируя источники
и/или посредством дальнейших итераций.
Построение сеток
Наконец, сетки, которые использовались при создании 2D
фон можно нанести на исходное изображение с помощью метод plot_meshes() . Мы тут
увеличьте небольшую часть изображения, чтобы показать фоновые сетки:
>>> plt.imshow(data3, origin='lower', cmap='Greys_r', norm=norm, ... интерполяция = 'ближайший') >>> bkg3.plot_meshes(outlines=True, marker='.', color='cyan', alpha=0.3) >>> plt.xlim(0, 250) >>> plt.ylim(0, 250)
( Исходный код , png , нанимает.png , pdf , svg )
Ссылка/API
Этот подпакет содержит инструменты для оценки фона и фона RMS в изображении.
Классы
| Класс для оценки двумерного фона и фонового среднеквадратичного шума в изображении. |
| Базовый класс для классов, оценивающих скалярные фоновые значения. |
| Базовый класс для классов, которые оценивают скалярные фоновые значения RMS. |
| Класс для вычисления фона в массиве с использованием расположения двух весов. |
| Класс для расчета среднеквадратичного значения фона в массиве в виде (сигма-обрезания) двухвесовой шкалы. |
| Этот класс создает полноразмерные изображения фона и фона RMS из изображений сетки с более низким разрешением с использованием интерполяции с взвешиванием обратных расстояний (IDW) ( |
| Этот класс создает полноразмерные изображения фона и фона RMS из изображений сетки с более низким разрешением, используя интерполятор масштабирования |
| Класс для расчета среднеквадратичного значения фона в массиве с использованием среднего абсолютного отклонения (MAD). |
| Класс для расчета фона в массиве по алгоритму DAOPHOT MMM. |
| Класс для вычисления фона в массиве как среднее (отсеченное сигма). |
| Класс для вычисления фона в массиве как медиана (отсечка сигмы). |
| Класс для вычисления фона в массиве с использованием оценщика режима формы |
| Класс для вычисления фона в массиве с использованием алгоритма Source Extractor. |
