博客
关于我
Android自定义View基础之onDraw详解
阅读量:692 次
发布时间:2019-03-17

本文共 1006 字,大约阅读时间需要 3 分钟。

View 绘制过程详解

绘制一个优质的Android View看似简单,却包含了许多复杂的逻辑流程。了解这些流程,能够帮助开发者更好地优化自己的ViewComponent。

在分析了onMeasure和onLayout之后,接下来我们来深入理解onDraw方法,了解这是怎么将View及其子View绘制到屏幕上的。


onDraw方法的核心逻辑

onDraw方法的主要作用是将View绘制到屏幕上。从源码来看,绘制过程分为以下几个关键步骤:

  • 绘制背景:如果View未标记为"脏"(dirty),则会调用drawBackground(canvas)方法绘制背景。

  • 绘制内容:如果View未标记为"脏"且没有顶部或底部的渐变边缘,直接调用onDraw(canvas)。

  • 绘制子View:调用dispatchDraw(canvas)方法,这会递归调用所有子View的draw方法。

  • 绘制装饰:调用onDrawScrollBars(canvas)方法绘制滚动条。

  • 处理渐变边缘:如果有垂直或水平的渐变边缘,则会稍后进行处理。


  • View绘制事件的传递

    View的绘制事件通过dispatchDraw方法传递。这个方法会自动调用所有子View的绘制方法,从而实现层层递进的绘制流程。这种设计使得每个View都能独立处理绘制逻辑,同时避免了紧耦合控制逻辑。


    setWillNotDraw 方法的作用

    setWillNotDraw方法用于标记一个View是否需要自己绘制内容。如果标记为true,系统会对绘制过程进行优化。需要注意的是:

    • View默认不会启用这个标记位。
    • ViewGroup默认会启用这个标记位。
    • 如果一个自定义ViewGroup不需要自行绘制内容,可以启用这个标记位以进行优化。

    当开发者知道ViewGroup需要通过onDraw绘制内容时,必须在前期通过setWillNotDraw(false)将标记位关闭。


    综合优化

    在实际开发中,可以通过以下方法优化View的绘制效率:

  • 谨慎使用setWillNotDraw:只有确定View不需要自行绘制的场景下,才启用此标记位。
  • 确保onDraw和dispatchDraw的逻辑高效:避免在onDraw中执行重复操作或直接绘制图形。
  • 调优背景绘制:如果不需要自定义背景,可以利用系统默认的绘制优化。
  • 通过以上优化,可以有效提升View的绘制性能,进一步提升用户体验。

    转载地址:http://bgxhz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>