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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00