WindowsAppSDK中WinUI3应用使用LoadedImageSurface的解决方案
背景介绍
在WindowsAppSDK的WinUI3应用开发中,开发者有时需要将图像转换为CompositionSurface作为Win2D效果的输入源,并最终生成CompositionBrush用于窗口的系统背景。然而,直接使用Windows.UI.Xaml.Media.LoadedImageSurface类时,即使在UI线程上创建了DispatcherQueueController,仍然会遇到异常问题。
问题分析
LoadedImageSurface是Windows.UI.Xaml命名空间下的类,它提供了一种便捷的方式来加载图像并生成CompositionSurface。但在WinUI3应用中直接使用时,会遇到以下两个主要问题:
- 需要初始化System Xaml环境
- 需要Windows.UI.Xaml.Application实例
这些问题源于WinUI3和系统Xaml之间的架构差异。WinUI3使用Microsoft.UI.Xaml命名空间,而LoadedImageSurface属于Windows.UI.Xaml命名空间,两者需要不同的初始化过程。
解决方案
方法一:初始化System Xaml环境
要在WinUI3应用中使用LoadedImageSurface,首先需要初始化System Xaml环境:
// 创建DispatcherQueueController
static winrt::Windows::System::DispatcherQueueController createSystemDispatcherQueueController()
{
DispatcherQueueOptions options
{
sizeof(DispatcherQueueOptions),
DQTYPE_THREAD_CURRENT,
DQTAT_COM_NONE // 注意此处应为DQTAT_COM_NONE
};
::ABI::Windows::System::IDispatcherQueueController* ptr{ nullptr };
winrt::check_hresult(CreateDispatcherQueueController(options, &ptr));
return { ptr, take_ownership_from_abi };
}
// 初始化Windows Xaml管理器
auto m_manager = winrt::Windows::UI::Xaml::Hosting::WindowsXamlManager::InitializeForCurrentThread();
方法二:使用Direct2D替代方案
如果不想依赖System Xaml初始化,可以采用更底层的Direct2D方案:
- 初始化Direct3D/Direct2D和Compositor
- 创建CompositionGraphicsDevice
- 创建CompositionDrawingSurface
- 绘制到Surface
// 创建图形设备
winrt::Windows::UI::Composition::CompositionGraphicsDevice create_graphics_device()
{
if (!m_compositor)
{
m_compositor = winrt::Windows::UI::Composition::Compositor();
}
auto comp_interop = m_compositor.as<ABI::Windows::UI::Composition::ICompositorInterop>();
winrt::Windows::UI::Composition::CompositionGraphicsDevice graphics_device{ nullptr };
check_hresult(comp_interop->CreateGraphicsDevice(m_d2d1_device.get(),
reinterpret_cast<ABI::Windows::UI::Composition::ICompositionGraphicsDevice**>(winrt::put_abi(graphics_device))));
return graphics_device;
}
// 开始绘制
std::pair<winrt::com_ptr<ID2D1DeviceContext>, POINT> begin_draw(const winrt::Windows::UI::Composition::CompositionDrawingSurface &drawing_surface)
{
auto drawing_surface_interop = drawing_surface.as<ABI::Windows::UI::Composition::ICompositionDrawingSurfaceInterop>();
winrt::com_ptr<ID2D1DeviceContext> ds;
POINT up_off{};
check_hresult(drawing_surface_interop->BeginDraw(nullptr, IID_PPV_ARGS(ds.put()), &up_off);
return std::make_pair(ds, up_off);
}
// 结束绘制
void end_draw(const winrt::Windows::UI::Composition::CompositionDrawingSurface &drawing_surface)
{
auto drawing_surface_interop = drawing_surface.as<ABI::Windows::UI::Composition::ICompositionDrawingSurfaceInterop>();
check_hresult(drawing_surface_interop->EndDraw());
}
技术细节说明
-
DispatcherQueueOptions配置:当threadType为DQTYPE_THREAD_CURRENT时,应使用DQTAT_COM_NONE,这是官方文档明确指出的。
-
Direct2D方案特点:
- 使用ID2D1Device创建CompositionGraphicsDevice
- 通过ICompositionSurfaceInterop控制绘制
- 必须使用ID2D1DeviceContext而不是更高版本
- 绘制完成后必须调用EndDraw
-
Surface绘制机制:
- 传入ID3D11Device时,只能从BeginDraw获取IDXGISurface/ID3D11Texture2D
- 传入ID2D1Device时,会自动创建设备上下文和位图目标
最佳实践建议
-
对于简单的图像加载需求,推荐使用方法一的System Xaml初始化方案,代码更简洁。
-
对于性能要求高或复杂的图形处理场景,建议采用方法二的Direct2D方案,虽然代码量较大,但不依赖System Xaml,性能更好。
-
在WinUI3应用中,应尽量避免混合使用Windows.UI.Xaml和Microsoft.UI.Xaml命名空间的API,以减少潜在的兼容性问题。
-
如果必须使用Windows.UI.Composition命名空间的API,可以考虑将其封装为独立的模块,与主应用的UI逻辑分离。
通过以上方案,开发者可以在WinUI3应用中灵活地处理图像到CompositionSurface的转换需求,为创建丰富的视觉效果提供了可靠的技术基础。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00