在Dear ImGui中实现底部固定区域与可滚动区域的分离
2025-04-30 04:52:51作者:彭桢灵Jeremy
在Dear ImGui界面开发中,经常会遇到需要将窗口分为可滚动区域和固定区域的场景。本文将通过一个实际案例,讲解如何正确实现这种布局效果。
问题背景
开发者在使用Dear ImGui时,尝试在窗口底部创建一个固定高度的子窗口(Child Window),但发现主窗口的内容会继续向下滚动,覆盖到底部的固定区域。这显然不符合预期效果,理想情况下底部固定区域应该始终保持可见,不被主窗口内容覆盖。
错误实现方式
最初开发者采用了以下实现方式:
- 在主窗口中先渲染所有可滚动内容
- 然后在底部创建一个子窗口
- 设置子窗口的位置和大小,使其固定在窗口底部
这种实现方式的问题在于,Dear ImGui的渲染是顺序执行的,后渲染的内容会覆盖在先渲染的内容之上。当主窗口内容过多时,滚动条会使内容向下移动,从而穿过底部区域。
正确解决方案
正确的实现思路应该是:
- 将可滚动内容放入子窗口:为主窗口的可滚动部分创建一个子窗口,并启用滚动功能
- 直接渲染固定内容:底部固定区域不需要使用子窗口,可以直接在主窗口中渲染
关键点在于理解Dear ImGui的布局原理:
- 子窗口的主要作用是创建独立的滚动区域或布局边界
- 固定区域通常不需要子窗口,除非需要特殊样式或交互
- 布局顺序决定了最终的显示效果
实现代码示例
以下是改进后的实现方式:
ImGui::Begin("主窗口");
// 顶部可滚动区域 - 使用子窗口
ImGui::BeginChild("可滚动区域", ImVec2(0, -80)); // 高度减去底部固定区域高度
// 在这里渲染所有可滚动内容
ImGui::EndChild();
// 底部固定区域 - 直接渲染
ImGui::Separator();
if (ImGui::Button("确认", ImVec2(50, 25))) {
// 确认按钮逻辑
}
ImGui::SameLine();
if (ImGui::Button("取消", ImVec2(50, 25))) {
// 取消按钮逻辑
}
ImGui::End();
布局原理深入
Dear ImGui的布局系统基于即时模式(Immediate Mode)GUI原理,这意味着:
- 所有UI元素的渲染顺序就是它们在代码中的出现顺序
- 子窗口创建了新的坐标系和裁剪区域
- 滚动区域需要通过子窗口显式定义
理解这些基本原理对于创建复杂布局至关重要。在实际开发中,建议:
- 先规划好整体布局结构
- 明确哪些区域需要独立滚动
- 合理使用子窗口来划分不同功能区域
总结
在Dear ImGui中实现固定底部区域的关键在于正确使用子窗口来划分可滚动区域。通过将可滚动内容放入子窗口,而非固定内容,可以确保布局的稳定性和预期效果。这种布局模式可以广泛应用于各种需要固定工具栏、状态栏或对话框底部操作区域的场景。
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
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
🔥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
暂无简介
Dart
671
155
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
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322