【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 StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0127
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
896
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
690
1.35 K
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
458
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
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
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
628
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425