绘制频谱图时的性能问题

Question

我正在尝试绘制一个频谱图 - 对于这个问题，它可以被重新表述为我正在尝试绘制一个大矩阵（约40,000 x 3000个双精度实数）。根据我的经验，matlab的spectrogram函数的图形输出是最大的问题，自然在设计自己的频谱图脚本时也遇到了同样的问题。使用surface有时会卡死，需要重新启动计算机。 我已经尝试过：

• 将'LineStyle'，'None'添加到surface中，确实有所帮助，但不够。
• 将整个问题移至Octave和GNUplot，我认为它们更轻量级。没有特别成功，但我不是gnuplot的专业人士 - 可能有些地方我忽略了。我只尝试了surface。
• 未经测试的想法：让matlab/gnuplot不绘制具有挑战性大小的图形，而是将其保存为分辨率极高的图像，以便在某些图像查看器中进行研究（从而绕过重新绘制图形的问题，这是问题的核心）？如果您认为可以，请分享代码。

如果您有任何提示，我将不胜感激。目标是拥有分辨率良好的图形，仍然可以作为频谱图阅读（因此请勿使用mesh等）。

注意：我知道可以按部就班地绘制矩阵，这当然会有所帮助。我正在尝试找到另一个解决方案，可能更适合的函数、过程等。 更新：代码可复制、粘贴、更正等：

data=rand(48000,2000)
surface(data,'LineStyle','None','Visible','off')
xlabel('time');
ylabel('frequency');
colorbar('eastoutside');
set(gcf, 'renderer', 'painters');
saveas(gcf,'specgram.pdf');

- Victor Pira

---

在哪个特定的点上，你遇到了性能问题？是在图形窗口中显示还是保存到文件中？ - Robert Seifert

你尝试过将其保存为矢量图形（'renderer'，'painters'），而不显示它（'Visible'，'off'）吗？你能提供一个最小的示例，包括随机数据，以便复制和粘贴吗？ - Robert Seifert

将矩阵分块平均，并显示结果较小的矩阵？40000x3000像素在屏幕上也无法显示。 - Luis Mendo

一个表面很昂贵，因为它由许多3D对象组成（即使它们恰好位于一个平面上）。如果你只想要一个热力图，使用imagesc会更加高效。还有Luis Mendo所说的：将你的频谱图缩小到适合屏幕显示的尺寸。 - A. Donda

@VictorPira，您可以像自定义surf图一样自定义imagesc图。 - A. Donda

Answer 1

最大的性能提升将通过降采样显示的数据来实现。毕竟，屏幕上的像素并不足以显示所有数据。有多种方法可以进行这种降采样。如果您不需要担心缩放，则可以简单地修改输入数据（例如，通过块平均或选择每N个数据元素）。但是，如果您放大绘制的数据，则看不到所有数据。

如果您需要支持缩放/平移，同时仍然显示降采样的数据，那么一个好的起点是Matlab文件交换中心上的reduce_plot函数。您应该能够相对容易地使其适应您的绘图类型（我认为它目前只适用于简单的线型图）。关于reduce_plot（和通常的降采样）的好处的可视化可以在突出显示reduce_plot的博客文章中找到，该文章被评为文件交换中心的“本周之选”。

reduce_plot以及其他许多Matlab性能技巧在我的最近一本书《加速MATLAB性能》（CRC Press 2014）中有详细描述。

- Yair Altman

Answer 2

好的，让我总结一下之前评论中进行的实验并回答以结束这个问题。

保存为矢量图形（thewaywewalked）

即不要让MATLAB查看绘图，而是将其保存为矢量图形以在MATLAB外查看。

set(gcf, 'renderer', 'painters');
saveas(gcf,'spectgr.pdf');

优点

您只需绘制一次数据，然后仍然可用。

缺点

生成的文件仍然非常大，并且使用它们不太高效。

这不是一个好的选择。

使用 imagesc（A.Donda）

不要让 MATLAB 在 surf 中计算 3D 元素，改用 imagesc。

优点

非常高效，与 surf 相比速度惊人地快。

缺点

需要花费更多时间使其看起来像频谱图（例如，轴被反转）。

对我来说这是最佳方案，非常感谢！与保存为矢量图相结合，它产生的文件大小合理，仍然可以很好地进行缩放。

下采样 (Luis Mendo & Yair Altman)

一般情况下我不太愿意这样做，因为我需要数据的高分辨率。我可以想象写一个缩放算法，根据要显示的区域选择块的大小，但这似乎有些过于复杂。
然而，reduce_plot函数很有趣，也许将来会有适合它的地方。无论如何，感谢您的帮助！

- Victor Pira