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
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 StartedRust0449
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python03
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX026
AscendNPU-IRAscendNPU-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++0313
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
828
5.49 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
494
518
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++
786
1.58 K
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
803
1.14 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++
973
2.29 K
deepin linux kernel
C
32
16
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++
483
313
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
3.02 K
769
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
1.27 K
814
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
652
288