Qt&Vtk-008-Cone3

简介: Qt&Vtk-008-Cone3

image.png文章目录

Qt&Vtk-Cone3

1 代码搬运

1.1 cone3.h

1.2 cone3.cpp

2 运行效果

3 知识点

★ 源码 ★

Qt&Vtk-Cone3

今天接着搬运官方实例代码,还是老朋友Cone。今天要实现的就是下图中的实例。粗略看就是两个Cone吱吱转。这个Demo主要显示了如何在一个窗口中显示多个渲染场景

image.png

1 代码搬运

看了下官方实例中的代码,就是新建了两个传染窗口,那么我也这么搞起来。还是在前面的ThirdVtk框架下搞起来。

1.1 cone3.h

#ifndef CONE3_H
#define CONE3_H
#include <QWidget>
#include <QTimer>
#include "QVTKOpenGLWidget.h"               //新版本,旧版QVTKWidget
#include "vtkAutoInit.h"
#include "vtkConeSource.h"
#include "vtkPolyDataMapper.h"
#include "vtkRenderWindow.h"
#include "vtkCamera.h"
#include "vtkActor.h"
#include "vtkRenderer.h"
namespace Ui {
class Cone3;
}
class Cone3 : public QWidget
{
    Q_OBJECT
public:
    explicit Cone3(QWidget *parent = 0);
    ~Cone3();
private:
    Ui::Cone3 *ui;
    vtkConeSource *cone = nullptr;                  //声明椎体
    vtkPolyDataMapper *coneMapper = nullptr;        //声明映射器
    vtkActor *coneActor = nullptr;                  //声明Actor
    vtkRenderer *coneRender1 = nullptr,*coneRender2 = nullptr;              //声明渲染器
    QTimer *rotationTimer = nullptr;                //声明定时器,用于旋转椎体
};
#endif // CONE3_H

1.2 cone3.cpp

#include "cone3.h"
#include "ui_cone3.h"
Cone3::Cone3(QWidget *parent) :
    QWidget(parent),
    ui(new Ui::Cone3)
{
    ui->setupUi(this);
    cone = vtkConeSource::New();    //新建对象
    cone->SetHeight(3.0);           //设置高度
    cone->SetRadius(1.0);           //设置半径
    cone->SetResolution(20);        //翻译为设置分辨率,其实这个是设置椎体的面数的
    coneMapper = vtkPolyDataMapper::New();          //新建映射器
    coneMapper->SetInputConnection(cone->GetOutputPort());  //设置Cone输出coneMapper数据输入
    //新建Actor,并设置映射器
    coneActor = vtkActor::New();
    coneActor->SetMapper(coneMapper);
    //新建渲染器并设置Actor和背景颜色
    coneRender1 = vtkRenderer::New();
    coneRender1->AddActor(coneActor);
    coneRender1->SetBackground(0.1,0.2,0.3);
    coneRender1->SetViewport(0.0,0.0,0.5,1.0);
    coneRender2 = vtkRenderer::New();
    coneRender2->AddActor(coneActor);
    coneRender2->SetBackground(0.7,0.1,0.1);
    coneRender2->SetViewport(0.5,0.0,1.0,1.0);
    //获取渲染窗口
    ui->widget_Cone1->GetRenderWindow()->AddRenderer(coneRender1);
    ui->widget_Cone1->GetRenderWindow()->AddRenderer(coneRender2);
    //旋转椎体
    rotationTimer = new QTimer();
    connect(rotationTimer,&QTimer::timeout,this,[=](){
        coneRender1->GetActiveCamera()->Azimuth(1);
        coneRender2->GetActiveCamera()->Azimuth(2);
        ui->widget_Cone1->GetRenderWindow()->Render();//注意这句话,要加上呀,不然人不给你转,惰性渲染。
    });
    rotationTimer->start(25);
}
Cone3::~Cone3()
{
    rotationTimer->stop();
    delete ui;
}

image.png

3 知识点

这个其实就是靠着两个渲染器来搞定的,两个通过不同的VIewPort()来实现的,关键代码如下

    coneRender1 = vtkRenderer::New();
    coneRender1->AddActor(coneActor);
    coneRender1->SetBackground(0.1,0.2,0.3);
    coneRender1->SetViewport(0.0,0.0,0.5,1.0);
    coneRender2 = vtkRenderer::New();
    coneRender2->AddActor(coneActor);
    coneRender2->SetBackground(0.7,0.1,0.1);
    coneRender2->SetViewport(0.5,0.0,1.0,1.0);

image.png

目录
相关文章
|
并行计算 数据处理 Python
Python并发编程迷雾:IO密集型为何偏爱异步?CPU密集型又该如何应对?
【7月更文挑战第17天】Python并发编程中,异步编程(如`asyncio`)在IO密集型任务中提高效率,利用等待时间执行其他任务。但对CPU密集型任务,由于GIL限制,多线程效率不高,此时应选用`multiprocessing`进行多进程并行计算以突破限制。选择合适的并发策略是关键:异步适合IO,多进程适合CPU。理解这些能帮助构建高效并发程序。
345 6
|
1天前
|
云安全 人工智能 自然语言处理
|
8天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
648 56
Meta SAM3开源:让图像分割,听懂你的话
|
6天前
|
搜索推荐 编译器 Linux
一个可用于企业开发及通用跨平台的Makefile文件
一款适用于企业级开发的通用跨平台Makefile,支持C/C++混合编译、多目标输出(可执行文件、静态/动态库)、Release/Debug版本管理。配置简洁,仅需修改带`MF_CONFIGURE_`前缀的变量,支持脚本化配置与子Makefile管理,具备完善日志、错误提示和跨平台兼容性,附详细文档与示例,便于学习与集成。
319 116
|
5天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
|
21天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AgentEvolver:让智能体系统学会「自我进化」
AgentEvolver 是一个自进化智能体系统,通过自我任务生成、经验导航与反思归因三大机制,推动AI从“被动执行”迈向“主动学习”。它显著提升强化学习效率,在更少参数下实现更强性能,助力智能体持续自我迭代。开源地址:https://github.com/modelscope/AgentEvolver
439 32

热门文章

最新文章