首页
/ LVGL项目中触摸屏坐标转换问题的技术解析

LVGL项目中触摸屏坐标转换问题的技术解析

2025-05-11 06:34:31作者:冯爽妲Honey

背景介绍

在嵌入式GUI开发中,LVGL作为一个轻量级图形库被广泛应用。其中,触摸屏输入与显示旋转的协调工作是一个常见的技术难点。本文深入分析LVGL v9.2.2版本中触摸屏坐标转换与显示旋转的交互问题,帮助开发者理解其工作原理并找到解决方案。

问题现象

当使用LVGL的显示旋转功能时,特别是设置为90度或270度旋转时,触摸屏输入坐标与实际显示位置会出现不匹配的情况。具体表现为:

  1. 在默认0度旋转(240x320竖屏)时,触摸屏坐标(0,0)正确对应显示左上角
  2. 当旋转90度(变为320x240横屏)后,触摸屏坐标(0,0)却对应到显示的左下角而非预期的左上角

技术原理分析

LVGL内部通过indev_pointer_proc函数处理触摸屏输入坐标转换。该函数包含两个关键转换步骤:

  1. 对于180度和270度旋转,先对坐标进行镜像翻转
  2. 对于90度和270度旋转,执行坐标交换和调整

核心转换代码如下:

if(disp->rotation == LV_DISPLAY_ROTATION_90 || disp->rotation == LV_DISPLAY_ROTATION_270) {
    int32_t tmp = data->point.y;
    data->point.y = data->point.x;
    data->point.x = disp->ver_res - tmp - 1;
}

这个转换实际上实现了一个标准的90度顺时针坐标旋转。然而,当与显示驱动配合使用时,特别是与TFT_eSPI这类驱动库结合时,可能会出现方向不一致的问题。

根本原因

问题根源在于LVGL与底层显示驱动对旋转方向的理解不一致:

  1. LVGL内部假设LV_DISPLAY_ROTATION_90代表显示内容逆时针旋转90度
  2. 但许多显示驱动(如TFT_eSPI)实际执行的是顺时针旋转
  3. 这种方向上的不一致导致触摸坐标转换结果与预期不符

解决方案

开发者可以采用以下几种方法解决此问题:

方法一:修改触摸屏回调函数

在触摸屏读取回调中预先对坐标进行180度旋转补偿:

// 对于90度和270度旋转情况
data->point.x = touch_width - data->point.x - 1;
data->point.y = touch_height - data->point.y - 1;

方法二:调整LVGL内部转换逻辑

修改lv_indev.c中的坐标转换代码,将90度和270度情况下的转换方向反转:

// 修改后的90度转换
int32_t tmp = data->point.y;
data->point.y = disp->hor_res - data->point.x - 1;
data->point.x = tmp;

方法三:协调显示驱动旋转方向

如果使用TFT_eSPI等驱动,可以尝试调整驱动的旋转方向设置,使其与LVGL期望的旋转方向一致。

最佳实践建议

  1. 在项目初期明确显示旋转方向的定义标准
  2. 统一LVGL与底层驱动的旋转方向理解
  3. 编写测试代码验证触摸坐标与显示位置的对应关系
  4. 考虑封装自定义的坐标转换函数以提高代码可维护性

总结

LVGL的触摸屏坐标转换机制设计合理,但在与特定显示驱动配合时可能出现方向不一致问题。理解其内部转换原理后,开发者可以通过多种方式解决这一问题。建议在实际项目中采用方法一或方法三,因为它们对LVGL核心代码的侵入性最小,同时也能有效解决问题。

对于长期解决方案,建议LVGL项目团队考虑增加旋转方向配置选项,或在文档中更明确地说明旋转方向的定义,以帮助开发者避免此类问题。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
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
494
515
ops-nnops-nn
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++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
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++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
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。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 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 Notebook
647
284