Überzug++ 项目下载及安装教程
1. 项目介绍
Überzug++ 是一个用 C++ 编写的命令行实用程序,旨在通过使用 X11/Wayland 子窗口、Sixel、Kitty 和 iTerm2 在终端上绘制图像。该项目旨在成为现已废弃的 Überzug 项目的替代品。Überzug++ 提供了比 w3mimgdisplay 和 Überzug 更多的优势,包括对 Wayland(如 Sway、Hyprland 和 Wayfire)的支持、MacOS 支持、无竞争条件、支持没有 WINDOWID 环境变量的终端等。
2. 项目下载位置
要下载 Überzug++ 项目,请访问其 GitHub 仓库。你可以使用以下命令克隆项目:
git clone https://github.com/jstkdng/ueberzugpp.git
3. 项目安装环境配置
在安装 Überzug++ 之前,你需要确保系统中安装了以下依赖项:
- CMake ≥ 3.22
- libvips
- libsixel
- chafa ≥ 1.6
- openssl
- tbb
3.1 Ubuntu/Debian 系统
在 Ubuntu 或 Debian 系统上,你可以使用以下命令安装这些依赖项:
sudo apt-get install libssl-dev libvips-dev libsixel-dev libchafa-dev libtbb-dev
3.2 Fedora 系统
在 Fedora 系统上,你可以使用以下命令安装这些依赖项:
sudo dnf install openssl-devel vips-devel libsixel-devel chafa-devel tbb-devel
3.3 依赖项安装示例
以下是 Ubuntu 系统上安装依赖项的示例截图:

4. 项目安装方式
4.1 克隆项目
首先,克隆 Überzug++ 项目到本地:
git clone https://github.com/jstkdng/ueberzugpp.git
cd ueberzugpp
4.2 创建构建目录
接下来,创建一个构建目录并进入该目录:
mkdir build
cd build
4.3 配置构建选项
使用 CMake 配置构建选项。你可以根据需要启用或禁用某些功能。以下是一些常用的选项:
ENABLE_OPENCV(默认开启)ENABLE_X11(默认开启)ENABLE_TURBOBASE64(默认关闭)ENABLE_WAYLAND(默认关闭)
例如,启用 Turbo-Base64 支持:
cmake -DCMAKE_BUILD_TYPE=Release -DENABLE_TURBOBASE64=ON ..
4.4 编译项目
配置完成后,编译项目:
cmake --build .
4.5 安装项目(可选)
如果你希望将 Überzug++ 安装到系统默认路径,可以使用以下命令:
sudo cmake --install .
5. 项目处理脚本
Überzug++ 提供了两个命令:layer 和 tmux。layer 用于向 Überzug++ 发送命令,而 tmux 用于内部处理。
5.1 layer 命令选项
layer 命令接受以下选项:
ueberzug layer -h
这将显示帮助信息,包括所有可用的选项。
5.2 使用 JSON 对象控制图像显示
你可以使用 JSON 对象来控制图像的显示和隐藏。例如,显示图像的 JSON 对象如下:
["action":"add", "identifier":"preview", "max_height":0, "max_width":0, "path":"/path/image.ext", "x":0, "y":0]
隐藏图像的 JSON 对象如下:
["action":"remove", "identifier":"preview"]
通过这些步骤,你可以成功下载、安装并使用 Überzug++ 项目。
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 StartedRust0191
cann-learning-hubCANN 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 Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08