图像热点链接

简介: 图像热点链接

指定图片某块区域加超链接 :使用map标签可以给指定图片某块区域加超链接
使用方法:
例:




1)在html文件中插入一个图片

属性:
usemap:将图像定义为客户端图像映射

2)在html文档中插入一个map标签
A. map标签:定义客户端的图像映射,图像映射是带有可点击区域的图像
B. 为map标签设置id属性and name属性,属性值相同

3)为img标签加上usemap属性,属性值为map标签的id/name
语法:
说明:
img中的usemap属性可引用map中的id或name属性(由浏览器决定)所以需要添加id和name两个属性

4)在map标签内嵌套一个或者多个area标签来实现给指定区域加超链接
area标签:定义图像映射内部区域area标签始终嵌套在map标签内部
语法:


属性:
shape:定义区域形状
属性值:rect-正方形
circ-圆形
poly-多边形
coords:定义可点击区域的坐标(xpx,ypx,npx)
alt:定义此区域的替换文本
target:设置超链接的打开方式

矩形:shape="rectangle、rect",coords="x1,y1,x2,y2"
第一个坐标是矩形的一个角的顶点坐标,另一对坐标是对角的顶点坐标,"0,0" 是图像左上角的坐标。

圆形:shape="circle",coords="x,y,z"
x 和 y 定义了圆心的位置("0,0" 是图像左上角的坐标),z 是以像素为单位的圆形半径。

多边形:shape="poly",coords="x1,y1,x2,y2,x3,y3,..."
每一对 "x,y" 坐标都定义了多边形的一个顶点("0,0" 是图像左上角的坐标)。定义三角形至少需要三组坐标;高纬多边形则需要更多数量的顶点。
多边形会自动封闭,因此在列表的结尾不需要重复第一个坐标来闭合整个区域。

说明:
(1)如果某个 area 标签中的坐标和其他区域发生了重叠,会优先采用最先出现的 area 标签;
(2)浏览器会忽略超过图像边界范围之外的坐标。

相关文章
开发指南073-图片热点
台支持使用图像导航界面,例如展示如下一张图,用户点击对应位置触发对应动作
|
8月前
|
数据采集 前端开发 数据挖掘
Fizzler库+C#:从微博抓取热点的最简单方法
本文介绍如何使用Fizzler库和C#构建微博热点信息爬虫。通过Fizzler的CSS选择器定位关键信息,提取热点标题和排名,实现微博内容的智能挖掘。示例代码展示单线程和多线程采集方法,并涉及代理IP使用。
Fizzler库+C#:从微博抓取热点的最简单方法
|
8月前
|
机器学习/深度学习
YOLOv5改进 | 检测头篇 | CLLAHead分布焦点检测头(全网独创首发)
YOLOv5改进 | 检测头篇 | CLLAHead分布焦点检测头(全网独创首发)
264 1
|
8月前
|
机器学习/深度学习 算法 开发工具
视觉智能平台常见问题之视频封面输出的图片会出现过曝如何解决
视觉智能平台是利用机器学习和图像处理技术,提供图像识别、视频分析等智能视觉服务的平台;本合集针对该平台在使用中遇到的常见问题进行了收集和解答,以帮助开发者和企业用户在整合和部署视觉智能解决方案时,能够更快地定位问题并找到有效的解决策略。
|
8月前
|
机器学习/深度学习
YOLOv8改进 | 检测头篇 | CLLAHead分布焦点检测头(全网独创首发)
YOLOv8改进 | 检测头篇 | CLLAHead分布焦点检测头(全网独创首发)
185 0
|
8月前
|
机器学习/深度学习
YOLOv5改进 | 检测头篇 | CLLAHead分布式焦点损失检测头(全网独家首发)
YOLOv5改进 | 检测头篇 | CLLAHead分布式焦点损失检测头(全网独家首发)
138 0
|
8月前
|
机器学习/深度学习 计算机视觉
YOLOv5改进 | 检测头篇 | DynamicHead支持检测和分割(不同于网上版本,全网首发)
YOLOv5改进 | 检测头篇 | DynamicHead支持检测和分割(不同于网上版本,全网首发)
475 0
|
机器学习/深度学习 JSON 数据可视化
图像(目标)检测入门理论课程(下)
图像(目标)检测入门理论课程
|
机器学习/深度学习 自然语言处理 自动驾驶
图像(目标)检测入门理论课程(上)
图像(目标)检测入门理论课程
|
机器学习/深度学习 自然语言处理 数据可视化
图像(目标)检测入门理论课程
提到目标检测,不得不提到图像分类。 图像分类也是非常基础的工作,它是以一张图片作为输入,输出图片包含的物体类别以及分数。分数指有多大的置信度认为它是某一个类别。 目标检测任务相对于图像任务更进了一步,它会针对一个或者多个目标的图片,检测出其中目标的位置,分辨其类别并给出分数。