神经网络实战

port – 串口名字(COMn或者/dev/ttyUSBn或者/dev/ttySn)或者None

baudrate (int) – 波特率,比如9600或者115200

bytesize – 数据位数，可能的参数值有: FIVEBITS, SIXBITS, SEVENBITS, EIGHTBITS

parity – 奇偶校验，可能的参数值: PARITY_NONE, PARITY_EVEN, PARITY_ODD
,PARITY_MARK, PARITY_SPACE

stopbits – 停止位的比特数. 可能的参数值: STOPBITS_ONE, STOPBITS_ONE_POINT_FIVE,
STOPBITS_TWO

timeout (float) – 设置pyserial持续读取数据的最长时间(s)

xonxoff (bool) – 是否启动软件流控制

rtscts (bool) – 是否启动硬件(RTS/CTS)流控制

dsrdtr (bool) – 是否启动硬件(DSR/DTR)流控制

write_timeout (float) – 设置pyserial最长写入串口数据的时间(s)

inter_byte_timeout (float) – 字符间超时, 没有则禁止(默认禁止).

制作一个串口助手 | python + pyqt5

手把手教你新建一个winform项目（史上最全）

【PyQt5】 QThread多线程怎么设置槽接收信号？

PyQt5、PySide2、PySide6使用QLabel显示图片，缩放图片并保持长宽比
对于比较大的图片，如果QLabel尺寸是固定的，会使得图片显示不全。对于比较小的图片，图片周围又可能留有空白。为此，应当放缩图片至合适的尺寸。如果要求图片不能变形走样，还应当保持图片的长宽比。

pixmap = QPixmap("../images/image.jpg").scaled(self.label.size(), aspectMode=Qt.KeepAspectRatio)
self.label.setPixmap(pixmap)
self.label.repaint()

QT designer设置背景图片拉伸版

在这里插入图片描述

1.什么是PyQtgraph
PyQtGraph 是 Python 的图形和用户界面库，提供工程和科学应用程序中通常需要的功能。它的主要目标是：

    1) 提供用于显示数据（绘图、视频等）的快速交互式图形，以及

     2）提供有助于快速应用程序开发的工具（例如，Qt Designer 中使用的属性树）。

    PyQtGraph 大量使用 Qt GUI 平台（通过 PyQt 或 PySide）获得高性能图形，使用 numpy 进行大量数字运算。特别是，pyqtgraph 使用了 Qt 的 GraphicsView 框架，它本身就是一个功能强大的图形系统；我们为这个框架带来了优化和简化的原语，以最小的努力实现数据可视化。

2.pyqtgraph 的核心功能包括：
基本数据可视化原语：图像、折线图和散点图

足够快以实时更新视频/绘图数据

交互式缩放/平移、平均、FFT、SVG/PNG 导出

用于标记/选择绘图区域的小部件

用于标记/选择图像感兴趣区域和自动切片多维图像数据的小部件

构建自定义图像感兴趣区域小部件的框架

替代/补充 Qt 的坞站系统的坞站系统，以允许更复杂（和更可预测）的坞站安排

ParameterTree 小部件，用于动态界面的快速原型设计（类似于 Qt Designer 和许多其他应用程序中的属性树）

它可以在 Linux、Windows 和 OSX 上运行。

3.为什么选择PyQtgraph
matplotlib：对于绘图，pyqtgraph 不像 matplotlib 那样完整/成熟，但运行速度要快得多。Matplotlib 更倾向于制作出版质量的图形，而 pyqtgraph 旨在用于数据采集和分析应用程序。Matplotlib 对 matlab 程序员来说更直观；pyqtgraph 对于 python/qt 程序员来说更直观。Matplotlib（据我所知）不包括许多 pyqtgraph 的功能，例如图像交互、体积渲染、参数树、流程图等。

pyqwt5：大约与 pyqtgraph 一样快，但在绘图功能方面不那么完整。pyqtgraph 中的图像处理要完整得多（同样，qwt 中没有 ROI 小部件）。另外，pyqtgraph是纯python编写的，所以比pyqwt更便携，在开发上往往落后于pyqt（我最初用的是pyqwt，但觉得在我的项目中依赖它作为依赖太麻烦了）。与 matplotlib 一样，pyqwt（据我所知）不包含许多 pyqtgraph 的功能，例如图像交互、体积渲染、参数树、流程图等
Matplotlib创建带有复选按钮图例的图形，用于无限数量的绘图

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import CheckButtons

t = np.arange(0.0, 2.0, 0.01)
s0 = np.sin(2*np.pi*t)
s1 = np.sin(4*np.pi*t)
s2 = np.sin(6*np.pi*t)

fig, ax = plt.subplots()

def addplotlines(t,s, color, label, visible=True):
    l, = ax.plot(t, s, visible=visible, lw=2, color=color, label=label)
    plt.subplots_adjust(left=0.2)
    return l

lines = []
lines.append(addplotlines(t, s0, 'k', '2 Hz', False))
lines.append(addplotlines(t, s1, 'r', '4 Hz', True))
lines.append(addplotlines(t, s2, 'g', '6 Hz', True))

# Make checkbuttons with all plotted lines with correct visibility
rax = plt.axes([0.05, 0.4, 0.1, 0.15])
labels = [str(line.get_label()) for line in lines]
visibility = [line.get_visible() for line in lines]
check = CheckButtons(rax, labels, visibility)


def func(label):
    index = labels.index(label)
    lines[index].set_visible(not lines[index].get_visible())
    plt.draw()

check.on_clicked(func)

plt.show()

Matplotlib进阶教程（2.6）自动缩放

在这里插入图片描述

猜你喜欢