U8G2库中SH1106显示屏偏移问题的解决方案
2025-06-06 13:26:25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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218