在Dear ImGui中实现底部固定区域与可滚动区域的分离
2025-04-30 23:22:29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
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-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
项目优选
收起
deepin linux kernel
C
24
7
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
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
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258