matplotlib出图细节以及提高出图质量(高dpi)

2023年8月30日下午4:33 • Python • 阅读 47

文章目录

*
– 省流总结
– 基础知识
– 探究过程
–
+ matplotlib默认出图（作为参照）
+ 改变图片的默认尺寸
+
* 改变matplotlib的show的dpi
+ 不同backend的影响
+ 改变matplotlib的showfig的dpi
+ 不同版本matplotlib的showfig
+ 低版本matplotlib使用Agg作为backend提高出图质量
+ 其他的情况

省流总结

在生成figure时，如 fig = plt.figure(figsize=(15,10))不能改变其dpi设定。
根据绘图内容，需要确定保存图形最小尺寸，尺寸过小必然影响出图的质量。可以改变 show()方法弹出的图像展示窗口尺寸，选出自己满意的尺寸。如发现窗口1000*800像素，显示的图形比较合理，那么就可以确定绘图的尺寸为(1000/100,800/1000)，即(10,6).
savefig()时，传入要保存的图片的dpi即可,如 dpi=600。保存图形时会自动扩大图形像素大小。
选择不同的matplotlib的 backend。 TkAgg比 QtAgg好，无交互窗口的 Agg出图比 TkAgg和 QtAgg更好。
注意matplotlib版本，有些版本，如 3.3.4的matplotlib的 savefig和 show会相互影响，出现不可预测的问题。升高或者降低版本能解决问题。

原创不易，如果本文对您有帮助的话，还请点赞收藏~

基础知识

屏幕的尺寸：一般以屏幕的对角线尺寸计量，如15.6寸。
屏幕分辨率：是值屏幕水平和竖直方向上拥有的物理像素点数。如：分辨率是 1920×1080。
ppi: 屏幕每英寸的像素密度是ppi。比如我的电脑屏幕尺寸 15.6，分辨率是 1920×1080，用长（1920）跟高的像素数（1080）计算出对角方向的像素数（直角三角形）（2202），然后再用对角的像素数除以屏幕尺寸（15.6），就得到ppi，即141. 如果我们指定显示图像的显示像素，那么由ppi，就可以得到图像在电脑上显示的物理尺寸。然而我们对电脑屏幕截图时，生成的图像大小的dpi一般是100或者96，更有甚者是72. matplotlib的 show()的dpi，我更倾向于理解为它是一种dpi，指定100即可，太高在屏幕上还要进行扩大，并不能提高显示质量。
dpi: dpi是打印机的像素密度。而showfig()里的dpi就是这个概念。在科研绘图中，我们一般被要求图片的dpi至少要为300. 本文就是要分析如何生成高质量的高dpi图片。主要是对比不同例子之间的显示差距，方便读者体会。

探究过程

matplotlib默认出图（作为参照）

这里使用的matplotlib的版本是3.4.0，完全使用matplotlib的默认参数。

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt

host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=100)
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

控制台打印结果：

Backend Qt5Agg is interactive backend. Turning interactive mode on.

Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)

改变图片的默认尺寸

这里使用的matplotlib的版本是3.4.0。
仅改变figure的尺寸，这里缩小一倍：

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(width,height))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=100)
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

控制台打印出的结果：

Backend Qt5Agg is interactive backend. Turning interactive mode on.

Figure(325x345)
Figure(325x345)
Figure(325x345)
Figure(325x345)
Figure(325x345)

可以看到由于show指定的 dpi 是 100，而屏幕显示一般ppi就是100.而绘图的大小是 3.253.45 英寸。所以占屏幕像素的大小是 325345.

这里的图形如下：

这里的一些细节就没有显示全，说明我们改变图片大小时，有些元素是不能等比例缩放的。如果要显示全最简单的就是增加图片的尺寸。如果真的对图片大小有限制，那么就得对绘图元素的大小进行改变。如果这里的多副y轴的参数。
另外有一点非常重要，就是绘图内容的合理布局需要给它提供合理的尺寸。这个合理的尺寸可以通过手动调节show()弹出窗口，然后测量窗口的尺寸，将其尺寸更新到figure里面，比如如窗口1000*800像素，显示的图形比较合理，那么就可以确定绘图的尺寸为(1000/100,800/1000)，即(10,6).

改变matplotlib的show的dpi

这里使用的matplotlib的版本是3.4.0。show()的dpi设定为600.

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
matplotlib.use("Qt5Agg")
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8),dpi=600)
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'fontsize'   : 30,
         }

host.set_xlabel("Distance",fontdict=font2)
host.set_ylabel("Density")

par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())

par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg")
fig=plt.gcf()
print(fig)
fig.show()
fig=plt.gcf()
print(fig)

控制台输出：

Backend Qt5Agg is interactive backend. Turning interactive mode on.

Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)
Figure(3290x1015)

这里可以看到QtAgg的像素的垂直最大值就1050.再大就会被截断。显示的图如下：

不同backend的影响

在matplotlib 3.4.0版本上，换用TkAgg作为show的backend，并再次运行上节代码：

控制台输出为

Backend TkAgg is interactive backend. Turning interactive mode on.

Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)
Figure(3840x2880)

此时显示完整的超大图片。但是由于电脑屏幕的限制，窗口垂直方向上也不能显示完全。

但保存的图片不受任何的影响。

改变matplotlib的showfig的dpi

这里使用的matplotlib的版本是3.4.0。


from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=600)
fig=plt.gcf()
print(fig)
plt.show()
fig=plt.gcf()
print(fig)

关于 fig 的控制台输出：

Backend Qt5Agg is interactive backend. Turning interactive mode on.

Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)

输出 demo.jpg的信息：

再 win 自带的画图工具里打开 demo.jpg，然后再调整回原来的大小，跟 show 图形的对比是一致的：

不同版本matplotlib的showfig

如果是matplotlib的版本是3.3.4，运行上一节代码，那么这里大概率就出错了，3.3.4的控制台信息为：

Backend Qt5Agg is interactive backend. Turning interactive mode on.

Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(106.667x80)
Figure(106.667x80)

show的图片十分诡异：

保存的图片:

这里暴露了 matplotlib版本对出图质量的影响。3.3.4版本的savefig的dpi设定会影响到 show()。即使这里切换到TkAgg也一样。那么就只能切换到Agg的backend.

低版本matplotlib使用Agg作为backend提高出图质量

from mpl_toolkits.axes_grid1 import host_subplot
from mpl_toolkits import axisartist

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
fig_width = 8.26
fig_height = 8.77
width = fig_width / 2.54
height = fig_height / 2.54
fig=plt.figure(figsize=(6.4,4.8))
print(fig)
host = host_subplot(111, axes_class=axisartist.Axes)
fig=plt.gcf()
print(fig)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

par2.axis["right"] = par2.new_fixed_axis(loc="right", offset=(60, 0))

par1.axis["right"].toggle(all=True)
par2.axis["right"].toggle(all=True)

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

host.set_xlim(0, 2)
host.set_ylim(0, 2)
par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'fontsize'   : 30,
         }

host.set_xlabel("Distance",fontdict=font2)
host.set_ylabel("Density")

par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

host.legend()

host.axis["left"].label.set_color(p1.get_color())

par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())
fig=plt.gcf()
print(fig)
plt.savefig("demo.jpg",dpi=600)
fig=plt.gcf()
print(fig)
fig.show()
fig=plt.gcf()
print(fig)

控制台输出：

Figure(640x480)
Figure(640x480)
Figure(640x480)
Figure(640x480)
demo_host_subplot_raw.py:68: UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.

  fig.show()
Figure(640x480)

这里可以看到Agg的backend是不支持show方法的。但是保存的图片却没有任何的问题：

其他的情况

在进行二维和三维混合出图的时候，也发现了一个问题，就是我们show()以及我们保存的图片的像素大小跟指定的大小有偏差，即使我们是采用Agg作为backend，也不能解决这个问题。那么最简单的解决方法，就是视情况多给一些图片尺寸或者少给图片一些尺寸，进行微调。

Original: https://blog.csdn.net/yue81560/article/details/123612498
Author: 月司
Title: matplotlib出图细节以及提高出图质量(高dpi)

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/763864/

转载文章受原作者版权保护。转载请注明原作者出处！

python

【自取】最近整理的，有需要可以领取学习：

Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言刷题答案下载！

Python 中的鸭子类型和猴子补丁

大家好，我是老王。 Python 开发者可能都听说过鸭子类型和猴子补丁这两个词，即使没听过，也大概率写过相关的代码，只不过并不了解其背后的技术要点是这两个词而已。我最近在面试…

Python 2023年11月3日
0044
MySQL 学习笔记（五）–mysqldump

mysqldump 与 –set-gtid-purged 设置 (1) mysqldump The mysqldump client utility performs …

Python 2023年6月9日
0084
Django回顾之_01_Django软件框架

1.软件框架一个公司是由公司中的各部部门来组成的，每一个部门拥有特定的职能，部门与部门之间通过相互的配合来完成让公司运转起来。一个软件框架是由其中各个软件模块组成的，每一个模块都…

Python 2023年6月9日
0082
《精通Python爬虫框架Scrapy》第10章理解Scrapy性能

通常情况下，性能很容易出现问题。对于Scrapy来说，性能就不只是容易出现问题了，而是几乎肯定会出现，因为它有很多有悖常理的行为。除非你对Scrapy内部有非常好的理解，否则你会发…

Python 2023年10月5日
0051
动手实践丨基于ModelAtrs使用A2C算法制作登月器着陆小游戏

摘要：在本案例中，我们将展示如何基于A2C算法，训练一个LunarLander小游戏。 LunarLander是一款控制类的小游戏，也是强化学习中常用的例子。游戏任务为控制登月器着…

Python 2023年10月28日
0026
FastAPI（43）- 基于 pytest + requests 进行单元测试

FastAPI 的单元测试对于服务端来说，通常会对功能进行单元测试，也称白盒测试 FastAPI 集成了第三方库，让我们可以快捷的编写单元测试 FastAPI 的单元测试是基于 …

Python 2023年9月12日
0054
YOLOv7（目标检测）入门教程详解—检测，推理，训练

目录一.前言二.yolov7源码下载三.detect（检测）四.Train（训练）数据准备： labellmg: 配置训练的相关文件配置数据集文件正式训练：推理： …

Python 2023年9月30日
0069
kubernetes code-generator使用

404. 抱歉，您访问的资源不存在。可能是网址有误，或者对应的内容被删除，或者处于私有状态。代码改变世界，联系邮箱 contact@cnblogs.com 园子的商业化努力-困…

Python 2023年6月3日
00103
用于数据科学的顶级 C/C++ 机器学习库整理

C++ 非常适合动态负载平衡、自适应缓存以及开发大型大数据框架和库。Google 的MapReduce、MongoDB以及下面列出的大多数深度学习库都是使用 C++ 实…

Python 2023年10月15日
0044
【自考】数据结构中的线性表，期末不挂科指南，第2篇

线性表这篇博客写的是线性表相关的内容，包括如下部分，先看下有木有期待啥是线性表线性表的顺序存储线性表的基本运算在顺序表上的实现线性表的链式存储线性表的基本运算在单链表上…

Python 2023年6月3日
0070
python 驻留机制

本文转载自 Python中的字符串驻留机制 1. 字符串驻留机制（引用计数机制）：字符串驻留是一种在内存中仅保存一份相同且不可变字符串的方法。系统维护interned字典，记录…

Python 2023年5月24日
00103
Python中pd.to_datetime、groupby、range(len())

1 pd.to_datetime 2 groupby 2.1 groupby函数功能 2.3 举例 3 range(len()) 今日份笔记： 1 pd.to_datetime p…

Python 2023年8月20日
0050
【Numpy总结】第五节：Numpy的广播（更易理解的版本）

文章目录 * – Numpy的广播的三种情况 – + 1. 有一个数组是一个数字，即可广播； + 2. 维度的尾部一致，即可广播； + 3. 两个数组均为一…

Python 2023年8月25日
0052
CVPR2022论文列表（中英对照）

Cascade Transformers for End-to-End Person Search用于端到端人员搜索的级联变压器Compositional Temporal Gro…

Python 2023年10月27日
0036
在win10上安装face_recognition（人脸识别）

github上有个项目face_recognition，是用于人脸识别的主要是window上安装这个项目会繁琐些，linux上据项目文档上介绍是妥妥的。真机python版本：3…

Python 2023年10月26日
0056
机制设计原理与应用(三)Screening

文章目录 * – 3 Screening – + 3.1 为单个不可分割的项目定价 + * 3.1.1 对θ \theta θ的假设 * 3.1.2 问题描…

Python 2023年11月8日
0051

2024 年 5 月
一	二	三	四	五	六	日
		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