在Dear ImGui中实现底部固定区域与可滚动区域的分离
2025-04-30 20:38:06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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
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
68
20
🎉 (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
1.37 K
781