added moisture sensor

1 files changed, 91 insertions, 74 deletions

diff --git a/plot.py b/plot.py
index b58cf7a..ea80b03 100755
--- a/plot.py
+++ b/plot.py
@@ -1,47 +1,30 @@
 #!/usr/bin/python3
+import sys
+import sqlite3
 import matplotlib.pyplot as plt
 import numpy as np
-from PIL import Image
-import argparse
 from datetime import datetime, timedelta
 import matplotlib.dates as mdates
+from PIL import Image
 
-import sqlite3
-
+# Funktion zum Lesen von Temperatur-, Luftfeuchtigkeits- und Zeitstempeldaten aus der SQLite-Datenbank
 def read_data_from_db(db_name):
-    """
-    Liest alle gespeicherten Temperatur- und Zeitstempeldaten aus der SQLite-Datenbank.
-
-    :param db_name: Name der SQLite-Datenbankdatei
-    :return: Liste von Tupeln mit (timestamp, temperature)
-    """
     try:
-        # Verbindung zur Datenbank herstellen
         conn = sqlite3.connect(db_name)
         cursor = conn.cursor()
-
-        # Abfrage zum Abrufen aller Daten aus der Tabelle
-        cursor.execute("SELECT timestamp, temperature FROM cpu_temperature")
-        data = cursor.fetchall()  # Alle Ergebnisse abrufen
-
-        conn.close()  # Verbindung schließen
+        cursor.execute("SELECT timestamp, temperature, humidity, moisture FROM sensor_data")
+        data = cursor.fetchall()
+        conn.close()
         return data
     except sqlite3.Error as e:
         print(f"Fehler beim Lesen aus der Datenbank: {e}")
         return []
 
-
-
-# Funktion zum Erstellen des Temperaturdiagramms mit Achsenbeschriftungen und Transparenz
-def create_temperature_plot_with_labels(output_filename):
-    db_name = "/var/www/html/cpu_temperature.db"
-    records = read_data_from_db(db_name)
-
-    if records:
-        for timestamp, temperature in records:
-            print(f"Zeit: {timestamp}, Temperatur: {temperature}°C")
-    else:
+# Funktion zum Erstellen eines Diagramms für Temperatur und Luftfeuchtigkeit (800x200 Pixel)
+def create_temperature_humidity_plot(records, output_filename):
+    if not records:
         print("Keine Daten gefunden.")
+        return
 
     # Aktuelle Zeit und Filterzeitraum (letzte 24 Stunden)
     now = datetime.now()
@@ -49,55 +32,83 @@ def create_temperature_plot_with_labels(output_filename):
 
     # Filtern der Datensätze nach den letzten 24 Stunden
     filtered_records = [
-        (datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S"), temperature)
-        for timestamp, temperature in records
+        (datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S"), temperature, humidity, moisture)
+        for timestamp, temperature, humidity, moisture in records
         if datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S") >= last_24_hours
     ]
     if not filtered_records:
         print("Keine Daten in den letzten 24 Stunden gefunden.")
         return
 
-    # Extrahieren von Zeitstempeln und Temperaturen aus den gefilterten Datensätzen
-    times = [timestamp for timestamp, _ in filtered_records]
-    temperatures = [temperature for _, temperature in filtered_records]
-
-    # Grenzen für die y-Achse basierend auf den Temperaturdaten
-    min_temp = np.floor(min(temperatures) / 5) * 5  # Abrunden auf das nächste Vielfache von 5
-    max_temp = np.ceil(max(temperatures) / 5) * 5   # Aufrunden auf das nächste Vielfache von 5
-
-    # Temperaturdiagramm zeichnen
-    plt.figure(figsize=(8, 2), dpi=100)  # Größe des Diagramms: 800x100 Pixel
-    plt.plot(times, temperatures, color='yellow', linewidth=2, label='Temperatur')
-    plt.ylim(min_temp, max_temp)  # Y-Achse auf den Bereich der Daten begrenzen
-    plt.xlabel('Uhrzeit', color='white')  # X-Achsenbeschriftung
-    plt.ylabel('CPU Temp in °C', color='white')  # Y-Achsenbeschriftung
-    plt.xticks(color='white')  # X-Achse beschriften (automatisch), gedreht für bessere Lesbarkeit
-    plt.yticks(np.arange(min_temp, max_temp + 1, 5), color='white')  # Y-Achse in Schritten von 5 beschriften
-    plt.grid(color='white', linestyle='--', linewidth=0.5, alpha=0.7)
-    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
-    plt.tight_layout()
-
-    # Diagramm mit transparentem Hintergrund speichern
+    # Extrahieren von Zeitstempeln, Temperaturen, Luftfeuchtigkeit und Feuchtigkeit
+    times = [timestamp for timestamp, _, _, _ in filtered_records]
+    temperatures = [temperature for _, temperature, _, _ in filtered_records]
+    humidities = [humidity for _, _, humidity, _ in filtered_records]
+    moistures = [moisture for _, _, _, moisture in filtered_records]
+
+    # Grenzen für die y-Achsen basierend auf den Daten
+    min_temp = np.floor(min(temperatures) / 5) * 5
+    max_temp = np.ceil(max(temperatures) / 5) * 5
+    min_humidity = np.floor(min(humidities) / 10) * 10
+    max_humidity = np.ceil(max(humidities) / 10) * 10
+    min_moisture = np.floor(min(moistures) / 10) * 10
+    max_moisture = np.ceil(max(moistures) / 10) * 10
+
+    # Diagramm zeichnen (800x200 Pixel)
+    fig, ax1 = plt.subplots(figsize=(8, 2), dpi=100)
+
+    # Temperaturplot (linke Y-Achse)
+    ax1.set_xlabel('Uhrzeit', color='white')
+    ax1.set_ylabel('Temperatur (°C)', color='tab:red')
+    ax1.plot(times, temperatures, color='tab:red', label='Temperatur')
+    ax1.tick_params(axis='y', labelcolor='tab:red')
+    ax1.tick_params(axis='x', colors='white')
+    ax1.set_ylim(min_temp, max_temp)
+    ax1.spines['top'].set_color('white')
+    ax1.spines['bottom'].set_color('white')
+    ax1.spines['left'].set_color('white')
+    ax1.spines['right'].set_color('white')
+
+
+    # Luftfeuchtigkeitsplot (rechte Y-Achse)
+    ax2 = ax1.twinx()
+    ax2.set_ylabel('Luftfeuchtigkeit (%)', color='tab:blue')
+    ax2.plot(times, humidities, color='tab:blue', label='Luftfeuchtigkeit')
+    ax2.tick_params(axis='y', labelcolor='tab:blue')
+    ax2.set_ylim(min_humidity, max_humidity)
+    ax2.tick_params(axis='x', colors='white')
+    ax2.spines['top'].set_color('white')
+    ax2.spines['bottom'].set_color('white')
+    ax2.spines['left'].set_color('white')
+    ax2.spines['right'].set_color('white')
+    
+    # Feuchtigkeitsplot (dritte Y-Achse)
+    ax3 = ax1.twinx()
+    ax3.spines['right'].set_position(('outward', 60))  # Platz für die dritte Achse schaffen
+    ax3.set_ylabel('Feuchtigkeit (16-32k)', color='tab:green')
+    ax3.plot(times, moistures, color='tab:green', label='Feuchtigkeit')
+    ax3.tick_params(axis='y', labelcolor='tab:green')
+    ax3.set_ylim(min_moisture, max_moisture)
+    ax3.tick_params(axis='x', colors='white')
+    ax3.spines['top'].set_color('white')
+    ax3.spines['bottom'].set_color('white')
+    ax3.spines['left'].set_color('white')
+    ax3.spines['right'].set_color('white')
+
+    # X-Achse formatieren
+    ax1.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
+    
+    # Layout anpassen und Diagramm speichern
+    fig.tight_layout()
     plt.savefig(output_filename, transparent=True, bbox_inches='tight')
     plt.close()
 
-# Funktion zum Laden und Überprüfen des Basisbildes
-def load_and_check_base_image(image_path):
-    try:
-        base_image = Image.open(image_path)
-        if base_image.size != (1024, 768):
-            raise ValueError("Das Basisbild muss eine Größe von 1024x768 Pixeln haben.")
-        return base_image
-    except Exception as e:
-        print(f"Fehler beim Laden des Basisbildes: {e}")
-        return None
 
 # Funktion zum Überlagern des Diagramms auf das Basisbild
 def overlay_plot_on_image(base_image_path, plot_image_path, output_image_path):
     try:
         base_image = Image.open(base_image_path)
-        
-        plot_image = Image.open(plot_image_path)
+        plot_image = Image.open(plot_image_path).resize((800, 200))  # Größe des Plots anpassen
         
         # Überlagern des Diagramms auf das Basisbild (mit Transparenz)
         base_image.paste(plot_image, (112, 0), plot_image)  # Zentrieren: (1024 - 800) / 2 = 112
@@ -110,21 +121,27 @@ def overlay_plot_on_image(base_image_path, plot_image_path, output_image_path):
 
 # Hauptfunktion
 def main():
-    parser = argparse.ArgumentParser(description="Overlay transparentes Temperaturdiagramm auf ein Bild.")
-    parser.add_argument("image", help="Pfad zum Basisbild (1024x768 Pixel)")
-    parser.add_argument("output", help="Pfad zum kombinierten Ausgabebild")
-    args = parser.parse_args()
+    if len(sys.argv) != 3:
+        print("Bitte geben Sie den Pfad zum Basisbild und den Pfad zum Ausgabebild an.")
+        sys.exit(1)
 
-    base_image_path = args.image
-    output_image_path = args.output
+    base_image_path = sys.argv[1]
+    output_image_path = sys.argv[2]
+
+    db_name = "/var/www/html/sensor_data.db"
+    
+    # Daten aus der Datenbank lesen
+    records = read_data_from_db(db_name)
 
-    # Temporäre Datei für das transparente Temperaturdiagramm
-    plot_filename = "temperature_plot_with_labels.png"
+    # Temporäre Datei für das transparente Temperatur- und Feuchtigkeitsdiagramm
+    plot_filename = "temperature_humidity_plot.png"
+    
+    # Diagramm erstellen und speichern
+    create_temperature_humidity_plot(records, plot_filename)
 
-    # Schritte ausführen: Diagramm erstellen und überlagern
-    create_temperature_plot_with_labels(plot_filename)
+    # Basisbild laden und Diagramm überlagern
     overlay_plot_on_image(base_image_path, plot_filename, output_image_path)
 
 if __name__ == "__main__":
-    main()
+     main()