Python matplotlib的imshow函数速度较慢

Question

Python matplotlib的imshow函数速度较慢

6

我希望使用imshow显示一张图片。这是一张1600x1200的灰度图像，我发现matplotlib使用float32来解码值。加载这张图片需要大约2秒钟的时间，我想知道是否有任何方法可以使其更快。关键是我并不真正需要高分辨率的图片，我只想标记某些点并将图片作为背景绘制。因此，

第一个问题：对于这样的图像，2秒钟的性能表现良好还是可以加速。
第二个问题：如果性能表现良好，如何通过降低分辨率来加速处理过程。重要提示：最终我仍然希望图像可以延伸到1600x1200像素。

我的代码：

import matplotlib
import numpy

plotfig     = matplotlib.pyplot.figure()
plotwindow  = plotfig.add_subplot(111)
plotwindow.axis([0,1600,0,1200])
plotwindow.invert_yaxis() 
img = matplotlib.pyplot.imread("lowres.png")
im  = matplotlib.pyplot.imshow(img,cmap=matplotlib.cm.gray,origin='centre')
plotfig.set_figwidth(200.0)
plotfig.canvas.draw()
matplotlib.pyplot.show()

这是我想做的事情。如果保存在lowres.png中的图片分辨率低于1600x1200（即400x300），它将像应该显示的那样显示在左上角。如何将其缩放到整个1600x1200像素区域？如果运行此程序，则下面的canvas.draw()命令是慢速部分。也许有一种方法可以加快此命令吗？

提前感谢您！

根据您的建议，我已经更新到最新版本的matplotlib

版本1.1.0svn，检查8988

我还使用以下代码：

img = matplotlib.pyplot.imread(pngfile)
img *= 255
img2 = img.astype(numpy.uint8)
im  = self.plotwindow.imshow(img2,cmap=matplotlib.cm.gray, origin='centre')

尽管如此，仍需要大约2秒钟才能显示图像...还有其他的想法吗？

补充一下：我发现了以下功能

zoomed_inset_axes

因此，原则上matplotlib应该能够完成任务。在那里，也可以以“缩放”的方式绘制图片...

- r6d9

1

你为什么想要加快速度？是为了增加GUI的响应能力还是因为你需要显示成千上万张图片，每张图片2秒钟还不够快？答案可能因原因而异。一般来说，如果你使用numpy自己的方法，在Python中坚持使用，你很难超越它们的性能，而且根据方法的不同，即使在本地代码中，你也可能很难改进它们。对我来说，加载1600x1200像素的图像需要2秒钟是可以接受的。 - Chinmay Kanchi

我想要比2秒更快的原因很简单。当程序在使用时，人们应该能够快速浏览图片以获得概述。0.5秒的时间是很好的选择。因此，分辨率并不是那么重要。一旦选择了有趣的图像，程序可以加载完整分辨率的文件... - r6d9

3个回答

2

您可以通过在matplotlibrc文件中添加以下行来禁用imshow的默认插值（通常位于〜/ .matplotlib / matplotlibrc）：

image.interpolation : none

结果是更快的渲染和更清晰的图像。

- Amit Moscovich

1

我找到了一个解决方案，只要需要显示低分辨率图像就可以。可以使用以下代码行来实现：

im  = matplotlib.pyplot.imshow(img,cmap=matplotlib.cm.gray, origin='centre',extent=(0,1600,0,1200))

extent参数告诉matplotlib在这个范围内绘制图形。如果使用分辨率较低的图像，则可以大大加快进程。尽管如此，如果有人知道其他技巧以使进程更快，以便在相同速度下使用更高的分辨率，那将是很棒的。

感谢所有考虑过我的问题的人，欢迎提出更多意见！

- r6d9

1

这不会裁剪您的图像并仅显示其中的一小部分吗？ - endolith

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- unutbu · Accepted Answer

数据大小与最终图像的像素尺寸无关。

如果您不需要高分辨率图像，可以通过对数据进行降采样来更快地生成图像。如果您的数据以numpy数组的形式存在，则可以使用以下方法快速处理数据：每隔 n 行、n 列取一个值：data[::n,::n]。

您可以使用 fig.set_size_inches 和 plt.savefig 的 dpi 参数来控制输出图像的像素尺寸。

import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np

data=np.arange(300).reshape((10,30))
plt.imshow(data[::2,::2],cmap=cm.Greys)

fig=plt.gcf()
# Unfortunately, had to find these numbers through trial and error
fig.set_size_inches(5.163,3.75)  
ax=plt.gca()
extent=ax.get_window_extent().transformed(fig.dpi_scale_trans.inverted())

plt.savefig('/tmp/test.png', dpi=400,
            bbox_inches=extent)

enter image description here