用FrameRgn给PictureBOX绘个边框为什么,什么都看不到???????
Private Declare Function DeleteObject Lib "gdi32" (ByVal hObject As Long) As Long
Private Declare Function CreateSolidBrush Lib "gdi32" (ByVal crColor As Long) As Long
Private Declare Function PaintRgn Lib "gdi32" (ByVal hdc As Long, ByVal hRgn As Long) As Long
Private Sub Form_Load()
Dim kl As Long
hBrush = CreateSolidBrush(QBColor(0)) '创建涮子
Me.Picture1.FillColor = QBColor(9) '设置填充色
kl = FrameRgn(Picture1.hdc, Picture1.hWnd, hBrush, 20, 20) '绘制一个边框
Print kl '如果FrameRGN绘制成功就返回非0
Me.Picture1.Refresh '涮新
DeleteObject (hBrush) '删除涮子
End Sub

以下是原文件http://pan.baidu.com/s/1mg6YSek
以下是API的解
FrameRgn
编辑
VB声明 Declare Function FrameRgn Lib "gdi32" Alias "FrameRgn"
(ByVal hdc As Long, ByVal hRgn As Long, ByVal hBrush As Long
, ByVal nWidth As Long, ByVal nHeight As Long) As Long
说明
用指定刷子 围绕指定区域 画一个外框
返回值 Long,
执行成功返回非零值,
失败为0
参数表
参数 类型及说明
hdc Long,设备场景句柄
hRgn Long,将数据设备坐标填充的区域句柄
hBrush Long,将用的刷子句柄
nWidth Long,垂直边框宽度(以设备单元为单位)
nHeight Long,水平边框高度(以设备单元为单位)
相关推荐
产业园区如何提升科技企业技术需求匹配精准度?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
Redis集群部署+Redis 链接地址放入Aollo +c#项目接入Redis
Redis集群部署+Redis 链接地址放入Aollo +c#项目接入Redis
cover_1793582495122.png
cover_1793582495122.png
国央企创新负责人如何高效配置分散的科技创新资源?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
【新能源预测】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行光伏电站超短期功率预
内容概要:本文提出一种结合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的混合模型,用于提升光伏电站超短期功率预测精度。通过GWO优化VMD的关键参数(模态数与惩罚因子),实现对非平稳功率序列的自适应多尺度分解,分离趋势、波动与噪声成分;各模态分量经归一化后,利用SSA优化LSTM网络的超参数(如隐藏单元数、学习率等),提升模型拟合与泛化能力;最后对各模态预测结果重构并评估。模型在MATLAB中实现,包含完整数据清洗、特征构造、参数寻优、训练预测与多指标评价流程,强调工程可维护性与抗数据泄漏能力。; 适合人群:具备一定机器学习与时间序列分析基础,熟悉MATLAB编程,从事新能源预测、智能电网、电力系统调度等相关领域的科研人员与工程技术人员,尤其适合有1-3年项目经验的研发人员; 使用场景及目标:①应对多云、快速辐照变化等复杂天气下的光伏功率剧烈波动,提升超短期(15分钟至4小时)预测精度;②构建可适应不同季节、地域和电站类型的自适应多尺度预测体系;③支撑电网调度、储能协同控制与爬坡事件预警,提升新能源消纳能力与系统稳定性; 阅读建议:此资源以实际MATLAB代码为基础,建议读者结合文中示例逐步复现模型流程,重点关注GWO与SSA在双层优化中的分工、VMD分解的质量控制、时间序列样本构造的防泄漏设计以及多模态预测重构策略,调试过程中注意参数边界设置与随机种子固定,以确保结果可重复。


API
