React Bits项目中的Circular Gallery组件交互优化实践
2025-05-21 00:54:28作者:昌雅子Ethen
背景介绍
在React Bits项目中,Circular Gallery是一个基于WebGL实现的环形画廊组件,能够以3D形式展示图片集合。该组件最初设计仅支持图片浏览功能,但实际应用中用户经常需要点击图片跳转到详情页等交互需求。
技术实现分析
原有架构
原Circular Gallery组件采用OGL(一个轻量级WebGL框架)实现3D渲染,主要包含以下核心部分:
- 渲染循环:使用requestAnimationFrame实现平滑动画
- 交互处理:通过鼠标/触摸事件控制图片滚动
- 布局计算:动态计算图片位置形成环形排列
交互增强方案
为了实现图片点击功能,我们进行了以下技术改进:
- 点击检测算法
function getMeshUnderPointer(meshes, gl, camera, mouseX, mouseY) {
// 将屏幕坐标转换为WebGL坐标
const rect = gl.canvas.getBoundingClientRect()
const mx = ((mouseX - rect.left) / rect.width) * 2 - 1
const my = -((mouseY - rect.top) / rect.height) * 2 + 1
// 计算3D场景中的实际位置
const cameraZ = camera.position.z
const fov = camera.fov * Math.PI / 180
const viewHeight = 2 * Math.tan(fov / 2) * cameraZ
const viewWidth = viewHeight * camera.aspect
const worldX = mx * viewWidth / 2
const worldY = my * viewHeight / 2
// 检测碰撞
for (let media of meshes) {
const plane = media.plane
const px = plane.position.x
const py = plane.position.y
const w = plane.scale.x
const h = plane.scale.y
if (
worldX >= px - w / 2 &&
worldX <= px + w / 2 &&
worldY >= py - h / 2 &&
worldY <= py + h / 2
) {
return media
}
}
return null
}
- 事件处理优化
- 添加点击事件监听
- 区分滚动操作和点击意图
- 防止误触发的阈值判断
- 性能考虑
- 使用高效的碰撞检测算法
- 避免频繁的DOM操作
- 利用WebGL原生事件处理
实际应用示例
开发者可以通过以下方式自定义点击行为:
onCanvasClick = (e) => {
if (e.target !== this.gl.canvas || this.hasMoved) return
const mouseX = e.clientX
const mouseY = e.clientY
const hit = getMeshUnderPointer(this.medias, this.gl, this.camera, mouseX, mouseY)
if (hit) {
// 自定义点击处理逻辑
console.log('点击了图片:', hit.image)
// 实际项目中可替换为路由跳转等操作
}
}
最佳实践建议
- 交互设计方面
- 保持点击区域足够大
- 提供视觉反馈(如悬停效果)
- 区分轻触和滑动操作
- 性能优化方面
- 对高频操作进行防抖处理
- 避免在动画过程中执行复杂计算
- 合理设置碰撞检测频率
- 可访问性考虑
- 添加键盘导航支持
- 确保焦点管理合理
- 提供适当的ARIA属性
总结
通过对React Bits项目中Circular Gallery组件的交互增强,我们实现了3D场景中精确的图片点击检测功能。这种方案不仅适用于图片跳转场景,也可扩展应用于各种基于WebGL的交互式应用中。关键技术点包括坐标转换、碰撞检测算法优化以及用户意图识别等。
这种实现方式平衡了视觉效果与交互功能,为WebGL应用提供了更丰富的用户体验可能性。开发者可以根据具体需求进一步扩展功能,如添加悬停效果、实现多级交互等。
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878