U8G2库中SH1106显示屏偏移问题的解决方案
2025-06-06 06:44:25作者:申梦珏Efrain
问题背景
在使用U8G2图形库驱动SH1106型号的128x64 OLED显示屏时,开发者可能会遇到一个常见问题:屏幕左侧2个像素的显示异常。具体表现为:
- 当绘制128像素宽度时,x=0位置只显示部分像素,x=1和x=2位置出现双线
- 当绘制127像素宽度时,x=0位置显示完整线条,x=1空白,x=2再次显示完整线条
问题原因
这个问题源于SH1106显示控制器与SSD1306的硬件差异。SH1106控制器内部有一个默认的2像素偏移设置,这是由其硬件设计决定的。U8G2库为了兼容性考虑,在SH1106驱动实现中保留了这一偏移量。
解决方案
方法一:使用SSD1306构造函数
最简单有效的解决方案是改用SSD1306的构造函数。虽然硬件是SH1106芯片,但大多数情况下SSD1306的驱动也能正常工作,且不会出现像素偏移问题。
// 使用SSD1306构造函数替代SH1106
U8G2_SSD1306_128X64_NONAME_F_HW_I2C u8g2(
U8G2_R0,
U8X8_PIN_NONE,
DISPLAY_CLOCK,
DISPLAY_DATA);
方法二:修改库源代码(不推荐)
虽然可以直接修改U8G2库中的u8x8_sh1106_128x64_noname_display_info结构体的default_x_offset值(从2改为0),但这会带来以下问题:
- 影响项目可移植性
- 库更新时需要重新修改
- 可能影响其他SH1106显示屏的正常显示
因此,除非有特殊需求,否则不建议采用这种方法。
技术原理
SH1106和SSD1306虽然功能相似,但在硬件实现上有细微差别:
- SH1106采用分页式内存架构,而SSD1306使用连续内存
- SH1106默认有2像素的硬件偏移,这是为了适配某些特殊面板设计
- SSD1306驱动通常能兼容SH1106,因为两者指令集高度相似
最佳实践建议
- 优先尝试SSD1306构造函数
- 如果显示效果不理想,再考虑SH1106构造函数
- 对于必须使用SH1106且需要消除偏移的情况,可以在绘图时手动调整坐标
- 保持U8G2库更新,以获取最新的兼容性改进
通过理解这些显示控制器的特性差异,开发者可以更灵活地应对各种显示问题,实现最佳的显示效果。
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
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- 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
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
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
390
284
🎉 (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
891
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++
939
861
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
暂无简介
Dart
902
218
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
132
207
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++
123
195