1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
|
#!/usr/bin/python3
import sys
import sqlite3
import matplotlib.pyplot as plt
import numpy as np
from datetime import datetime, timedelta
import matplotlib.dates as mdates
from PIL import Image
# Funktion zum Lesen von Temperatur-, Luftfeuchtigkeits- und Zeitstempeldaten aus der SQLite-Datenbank
def read_data_from_db(db_name):
try:
conn = sqlite3.connect(db_name)
cursor = conn.cursor()
cursor.execute("SELECT timestamp, temperature, humidity 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 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()
last_24_hours = now - timedelta(hours=24)
# Filtern der Datensätze nach den letzten 24 Stunden
filtered_records = [
(datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S"), temperature, humidity)
for timestamp, temperature, humidity 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, Temperaturen und Luftfeuchtigkeit
times = [timestamp for timestamp, _, _ in filtered_records]
temperatures = [temperature for _, temperature, _ in filtered_records]
humidities = [humidity for _, _, humidity 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
# 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.spines['top'].set_color('white')
ax2.spines['bottom'].set_color('white')
ax2.spines['left'].set_color('white')
ax2.spines['right'].set_color('white')
# X-Achse formatieren
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
fig.tight_layout()
# Diagramm speichern (transparent)
plt.savefig(output_filename, transparent=True, bbox_inches='tight')
plt.close()
# 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).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
# Kombiniertes Bild speichern
base_image.save(output_image_path)
print(f"Kombiniertes Bild gespeichert als {output_image_path}")
except Exception as e:
print(f"Fehler beim Überlagern des Diagramms: {e}")
# Hauptfunktion
def main():
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 = 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 Temperatur- und Feuchtigkeitsdiagramm
plot_filename = "temperature_humidity_plot.png"
# Diagramm erstellen und speichern
create_temperature_humidity_plot(records, plot_filename)
# Basisbild laden und Diagramm überlagern
overlay_plot_on_image(base_image_path, plot_filename, output_image_path)
if __name__ == "__main__":
main()
|
