Python 3.x 慢速matplotlib-将图保存为PNG

快速摘要：matplotlib savefig速度太慢，无法使用PNG。。。寻找关于如何加速的想法/想法，或其他图书馆（chaco？cairo？）

---

更新：添加了一些（非常粗略和现成的）代码，以在底部进行说明

---

我正在使用matplotlib（python 3.x，四核macbook上最新的anaconda）通过

imshow（）

创建单个1024x102NP数组（int16）的绘图。我的目标是简单地在磁盘上生成一个带注释的图像文件（不需要交互式显示）

轴设置为完全填充图形（因此没有样条线/tics等），dpi/大小组合设置为匹配阵列的大小-因此没有缩放/插值等

在单轴的顶部，我显示了3个文本区域和一些（~6）矩形补丁

…因此，从绘图的角度看，没有什么新奇和简单的东西

但是，当我将图形（使用

savefig

）保存到PNG时，大约需要1.8秒（！！！）。 …保存为raw或jpg都在约0.7秒时到达

我尝试将后端切换到Agg，但这将savefig（）的时间增加到约2.1秒

---

我认为这太慢了，是不是错了？我更喜欢用PNG而不是JPG保存，但我不明白为什么PNG比JPG慢那么多。我的目标是在AWS上部署，所以这里需要考虑速度

附近有更快的图书馆吗？（我不需要交互式UI打印，只需要基本的保存到文件打印）

---

下面是一些大致说明这一点的粗略代码。我的机器上的输出是：

current backend: MacOSX
default save: 0.4048
default save - float64: 0.3446
full size figure: 0.8105
full size figure - with text/rect: 0.9023
jpg: full size figure - with text/rect: 0.7468
current backend:  agg
AGG: full size figure - with text/rect: 1.3511
AGG: jpg: full size figure - with text/rect: 1.1689

我无法（即使在反复尝试之后）让示例代码重现我在应用程序中看到的~1.7秒（处理时间）savefig（），但我认为下面的代码仍然说明了a）jpg比png快（或者相反，png看起来慢）b）它看起来仍然慢（imo）

所以我不应该期待比这更快的事情吗。。。这就是它的速度吗？ 有没有更快的后端可用？ 当我在AWS（linux）上部署时，最好/最快的后端是什么

---

---

试着制作一个

PIL

图像对象，对我来说，它比

matplotlib

快100多倍：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((100, 100))
cm = plt.get_cmap('viridis')
img = Image.fromarray((cm(data)[:, :, :3] * 255).astype(np.uint8))
img.save('image.png')

如果您只需要灰度缩放，您可以跳过

get\u cmap

业务-只需将阵列缩放到0到255的范围

注释必须添加到

PIL

中

---

使用

matplotlib

的一个重要区别是它是逐像素的。所以，如果你想应用一些缩放，你必须先插值。您可以使用它。

pip安装cv-python之类的东西

---

在这种情况下，cv2.imwrite比两者都快。

使用matplotlib保存jpg应该比保存png慢。您能展示产生问题的代码吗？(). 另外，使用Agg后端不应该花费更长的时间（但与什么相比？）。也许可以尝试使用PIL？如果你想要假颜色，检查这个问题：我刚刚注意到你也有文字和补丁。。。我将暂时保留我的答案，以防有用，但在看不到你的图片的情况下，我不会尝试复制。我将发布一个半可行的演示-该代码现在是2000行脚本的一部分，所以这就是为什么我最初没有这样做：数据文本和补丁似乎没有增加大量时间（请参阅更新的帖子）。不幸的是，我无法让我上面的示例代码重现我的应用程序代码的~1.7秒节省时间（不确定确切原因，但我已经在几个小时的headscratch之后找出原因…）谢谢@kwinkunks。请参阅上面的评论-我可能会使用PIL，但我需要比默认情况下更丰富的可用注释（箭头、椭圆和旋转的矩形等），因此我坚持使用matplotlib。像素对像素的大小和我正在做的一样（可能），但可能会出现抗锯齿的缺失。对，这是有道理的。

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((100, 100))
cm = plt.get_cmap('viridis')
img = Image.fromarray((cm(data)[:, :, :3] * 255).astype(np.uint8))
img.save('image.png')