【亲测免费】 ST7789_MPY 项目安装和配置指南
2026-01-25 05:57:35作者:翟萌耘Ralph
1. 项目基础介绍和主要编程语言
ST7789_MPY 是一个用于 MicroPython 的快速纯 C 驱动程序,专门用于处理基于 ST7789 芯片的显示模块。该项目支持 240x240 和 135x240 分辨率的显示模块,并且可以在 ESP8266、ESP32 和 STM32 等平台上运行。项目的主要编程语言是 C 语言,这使得驱动程序在资源受限的嵌入式设备上能够高效运行。
2. 项目使用的关键技术和框架
该项目主要使用了以下关键技术和框架:
- MicroPython: 一个专为嵌入式系统设计的 Python 解释器,允许用户在资源受限的设备上运行 Python 代码。
- ST7789 显示芯片: 一种广泛使用的 TFT 显示控制器,支持多种分辨率和颜色格式。
- SPI 通信协议: 用于与显示模块进行高速数据传输的串行通信接口。
- ESP8266/ESP32/STM32: 支持的硬件平台,这些平台广泛用于物联网和嵌入式系统项目。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装和配置之前,请确保你已经具备以下条件:
- 一台安装了 MicroPython 的 ESP8266、ESP32 或 STM32 开发板。
- 一个基于 ST7789 芯片的显示模块。
- 一个支持 SPI 通信的硬件接口。
- 安装了必要的开发工具,如
esptool.py和make。
详细安装步骤
步骤 1:克隆项目仓库
首先,你需要从 GitHub 上克隆 ST7789_MPY 项目到本地:
git clone https://github.com/devbis/st7789_mpy.git
步骤 2:准备 MicroPython 源码
确保你已经下载并配置好 MicroPython 的源码。你可以从 MicroPython 的官方 GitHub 仓库获取源码:
git clone https://github.com/micropython/micropython.git
步骤 3:编译驱动模块
进入 MicroPython 的相应平台目录(例如 ESP8266),并编译驱动模块:
cd micropython/ports/esp8266
make USER_C_MODULES=/path/to/st7789_mpy/ all
如果你使用的是 ESP32 平台,请进入 esp32 目录并执行相同的命令。
步骤 4:上传固件
使用 esptool.py 将编译好的固件上传到你的开发板:
make deploy
步骤 5:测试驱动程序
上传固件后,你可以通过 MicroPython 的 REPL 或脚本测试驱动程序。以下是一个简单的示例代码:
import machine
import st7789
spi = machine.SPI(1, baudrate=40000000, polarity=1)
display = st7789.ST7789(spi, 240, 240, reset=machine.Pin(5, machine.Pin.OUT), dc=machine.Pin(4, machine.Pin.OUT))
display.init()
# 填充屏幕为红色
display.fill(st7789.RED)
注意事项
- 确保你的开发板和显示模块之间的连接正确,特别是 SPI 引脚和控制引脚(如 RESET 和 DC)。
- 如果你遇到
iram1_0_seg溢出问题,可以参考项目文档中的解决方案,将驱动模块放置在irom0段。
通过以上步骤,你应该能够成功安装和配置 ST7789_MPY 驱动程序,并在你的 MicroPython 项目中使用它来控制 ST7789 显示模块。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989