osu-framework中Windows Ink平板输入支持的技术解析与实现方案
2025-07-08 20:58:26作者:贡沫苏Truman
背景与问题概述
在游戏开发领域,特别是像osu!这样的音游中,平板设备输入支持至关重要。Windows平台上的平板设备主要通过两种方式工作:使用内置驱动程序的专用平板和通过Windows Ink系统实现的通用平板。后者因其即插即用特性而广受欢迎,但在SDL3框架中存在一些兼容性问题。
当前主要问题表现为:
- SDL3强制将绝对坐标输入转换为相对移动事件
- 缺乏有效区分平板输入和普通鼠标输入的机制
- 输入精度和灵敏度控制不够灵活
技术解决方案
SDL层修改方案
核心修改点在于处理原始输入事件的部分:
- const int MAXIMUM_TABLET_RELATIVE_MOTION = 32;
- if (SDL_abs(relX) > MAXIMUM_TABLET_RELATIVE_MOTION ||
- SDL_abs(relY) > MAXIMUM_TABLET_RELATIVE_MOTION) {
- /* Ignore this motion, probably a pen lift and drop */
- } else {
- SDL_SendMouseMotion(timestamp, window, mouseID, SDL_TRUE, (float)relX, (float)relY);
- }
+ SDL_SendMouseMotion(timestamp, window, SDL_PEN_MOUSEID, SDL_FALSE, (float)(x - window->x), (float)(y - window->y));
关键改进:
- 直接传递绝对坐标而非相对移动量
- 使用特殊ID(SDL_PEN_MOUSEID)标记平板输入事件
- 计算相对于窗口位置的坐标偏移
框架层适配
在osu-framework层面需要:
- 识别并处理来自平板的绝对坐标事件
- 实现类似原有WindowsMouseHandler的灵敏度控制逻辑
- 确保与现有输入系统的兼容性
灵敏度控制的核心逻辑应包含:
- 坐标缩放因子计算
- 边界条件处理
- 与系统DPI设置的适配
实现考量
兼容性策略
- 通过SDL_HINT机制控制功能开关
- 保留对模拟鼠标事件平板的基本支持
- 优先保证原生Windows Ink设备的体验
用户设置设计
建议的输入设置应包含:
- 高精度鼠标模式开关
- 独立或共享的灵敏度控制
- 清晰的设备类型标识
设置项命名应避免技术术语,如"Windows Ink",而采用更直观的描述方式。
测试验证
初步测试使用vTablet模拟器验证了:
- 光标定位准确性
- 绝对坐标转换正确性
- 窗口边界处理
待解决问题包括:
- 笔尖按下事件偶尔丢失
- 多显示器环境下的坐标映射
- 不同DPI设置下的行为一致性
未来方向
- 向上游SDL提交改进方案
- 完善多设备输入识别
- 优化输入事件处理管线
- 增加对压感等高级特性的支持
此方案为osu-framework提供了完善的Windows平板输入支持基础,既解决了现有问题,也为未来功能扩展预留了空间。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。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
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
659
297
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.18 K
648
仓颉编程语言开发者文档。
59
818