当前位置:网站首页>把LVGL所有控件整合到一个工程中展示(LVGL6.0版本)
把LVGL所有控件整合到一个工程中展示(LVGL6.0版本)
2022-07-23 05:43:00 【山、】
最近接触到LVGL,感觉挺好用的,适用于资源相对较小的开发板,使用起来也挺简单方便的。做了个demo,把LVGL的大部分控件用一个工程显示出来。
由于时间有限,没有对控件的样式进行设计,绝大部分都是使用的默认样式。本人也是初学者,例程中有不对的地方,大家多多包涵。
注意:
使用的是LGVL6.0版本,一开始从正点原子接触到这个,后来发现现在的LVGL都更新到8.3了,又重新跟着百问网学习了新版本。
第二个界面中,用ddlist选中要演示的控件后,按ok键才能切换
在scale中,为了显示LVGL的任务系统,回调函数中的业务逻辑没有写好,要等控件动画演示完毕再切换,否则程序会卡死
我把其中的功能类型相似的控件进行分类显示,(比如lv_arc和lv_line都属于画线类型,lv_sw、lv_cb都属于开关类型)所以一个例程中可能会显示好几个控件;
时间有限,好多地方都没有优化改进,大家多多包涵。
下面图片有PC端模拟器的图片也有开发板实验的图片,开发板是正点原子的探索者STM32F407。












MDK工程文件:
链接:https://pan.baidu.com/s/1sYjnG7hY9G4Vd1w_mradKQ
提取码:8fph
PC端工程文件:
链接:https://pan.baidu.com/s/1TS2rBm0x0KxIn-YYQ0UjNg
提取码:fykf
边栏推荐
- Build "green computing" and interpret "Intelligent Computing Center"
- Nt68661 screen parameter upgrade-rk3128-start up and upgrade screen parameters yourself
- 线性规划之Google OR-Tools 简介与实战
- 2021可信隐私计算高峰论坛暨数据安全产业峰会上百家争鸣
- google or-tools的复杂排班程序深度解读
- Print right angle triangle, isosceles triangle, diamond
- 数据分析(二)
- 从已有VOC2007数据集生成yolov3所需要的数据集,以及正式开始调试程序需要修改的地方
- 利用pycaret:低代码,自动化机器学习框架解决回归问题
- Chaoslibrary · UE4 pit opening notes
猜你喜欢

笔记 | 百度飞浆AI达人创造营:让人拍案叫绝的创意都是如何诞生的?

绿色数据中心:风冷GPU服务器和水冷GPU服务器综合分析

可能逃不了课了!如何使用paddleX来点人头?

Necessary mathematical knowledge for machine learning / deep learning

Six trends and eight technologies of high-performance computing in data centers under "data center white paper 2022" and "computing from the east to the west"

时间序列的数据分析(三):经典时间序列分解

深度学习-神经网络

Ffmpeg audio coding

NLP自然语言处理-机器学习和自然语言处理介绍(一)

UE4 solves the problem that the WebBrowser cannot play H.264
随机推荐
opencv库安装路径(别打开这个了)
论文解读:《i4mC-Deep: 利用具有化学特性的深度学习方法,对 N4-甲基胞嘧啶位点进行智能预测》
Linked list related interview questions
Static linked list
Numpy summary
实用卷积相关trick
利用pycaret:低代码,自动化机器学习框架解决分类问题
知识图谱、图数据平台、图技术如何助力零售业飞速发展
线性规划之Google OR-Tools 简介与实战
方法的定义应用
如何进行强制类型转换?
g2o安装路径记录--为了卸载
论文解读:《提高N7-甲基鸟苷(m7G)位点预测性能的迭代特征表示方法》
Circular queue
论文解读:《BERT4Bitter:一种基于transformer(BERT)双向编码器表示用于改善苦肽预测的基础模型》
Pytoch personal record (do not open)
Ffmpeg audio coding
How to develop the computing power and AI intelligent chips in the data center of "digital computing in the East and digital computing in the west"?
Yolov3关键代码解读
Necessary mathematical knowledge for machine learning / deep learning