【嵌入式图形库实战指南】使用embedded-graphics进行嵌入式设备的2D绘图
2024-09-23 11:51:25作者:齐添朝
项目介绍
embedded-graphics 是一款专为内存受限的嵌入式设备设计的2D图形库。该库的核心目标在于无需使用缓冲区就能绘制图形,实现了no_std兼容性,并且在无需动态内存分配及预先分配大量内存的情况下工作。通过迭代器的方式,它计算像素颜色和位置,即时计算最小化存储状态,从而显著减少应用程序运行时所需的RAM,几乎不对性能造成影响。其功能包括基础图像处理、各种2D基本图形绘制(如线条、矩形、圆形等)以及文本渲染,并支持外部扩展,比如不同图像格式的支持和自定义字体。
项目快速启动
要快速启动使用embedded-graphics,首先确保你的开发环境已配置了Rust。以下步骤展示了如何搭建一个简单的绘图程序:
步骤1: 添加依赖
在你的Cargo.toml文件中添加embedded-graphics作为依赖项:
[dependencies]
embedded-graphics = "0.8.1"
步骤2: 编写示例代码
创建一个新的Rust源文件,例如main.rs,并加入以下代码来展示一个简单图形绘制的例子:
use embedded_graphics::{
mono_font::{ascii::FONT_6X10, MonoTextStyle},
pixelcolor::BinaryColor,
prelude::*,
primitives::{Circle, Line, Rectangle, Text},
MockDisplay,
};
fn main() {
let mut display = MockDisplay::new();
// 绘制一个红色的正方形
Rectangle::new(Point::new(10, 10), Size::new(40, 40))
.into_styled(primitive_style(BinaryColor::On))
.draw(&mut display)
.unwrap();
// 绘制一条蓝线
Line::new(Point::zero(), Point::new(60, 60))
.into_styled(primitive_style(BinaryColor::Off))
.draw(&mut display)
.unwrap();
// 在中心显示文本
Text::with_alignment(
"Hello, World!",
Point::new(50, 50),
MonoTextStyle::new(FONT_6X10, BinaryColor::On),
Alignment::Center,
)
.draw(&mut display)
.unwrap();
}
步骤3: 运行示例
在终端中定位到你的项目目录,然后运行以下命令来编译并观察模拟输出:
cargo run --bin your-binary-name
请注意,这里的your-binary-name应替换为你在Cargo.toml中指定的可执行名称,默认情况下是与crate同名。
应用案例与最佳实践
在嵌入式系统中,利用embedded-graphics的一个常见案例是在电子墨水屏或LCD显示屏上创建用户界面。最佳实践包括:选择适合硬件限制的颜色模式,利用DrawTarget接口实现自定义驱动的支持,以及通过启用特定的crate特性如fixed_point来优化计算精度而不增加运行时开销。
典型生态项目
- Display Drivers:
embedded-graphics不直接包含驱动,但提供了DrawTargetAPI让第三方库可以为其各自的目标硬件实现绘图能力。例如,epd-waveshare用于各种Waveshare的Epaper显示屏,ili9341适用于广泛使用的TFT LCD屏幕。 - 字体和文本处理: 多种字体支持库,如
u8g2-fonts, 提供了大量的字体选项,而embedded-text提供高级文本布局功能。 - 图形增强库: 包括
embedded-plots用于小型嵌入式目标的堆少绘图,以及embedded-canvas这样的画布,让你可以在绘制到实际显示前准备图形。
通过结合这些生态中的组件,开发者能够构建出既高效又功能丰富的嵌入式图形界面。记得,社区持续发展,新的工具和驱动不断被添加,保持关注最新的版本更新和社区讨论,以获取最佳的嵌入式绘图体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
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++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557