内存中实现X/Y值转图像及获取图像矩阵的方法（解决Matplotlib绘图白边问题）

咱们先搞定你之前遇到的烦人的白边问题，再一步步实现内存中的全流程，同时覆盖你问的两个核心需求。

1. 加载数据并获取无白边的图像矩阵 #

要彻底消除Matplotlib绘图后的白边，光靠pad_inches=0还不够，得调整子图布局、完全隐藏轴元素，确保绘图区域填满整个画布。下面是具体步骤和代码：

关键调整点： #

• 用subplots_adjust(left=0, right=1, top=1, bottom=0)强制子图占满画布
• 除了axis('off')，确保轴的所有元素（刻度、边框）都被隐藏
• 配合bbox_inches='tight'进一步压缩边距（和subplots_adjust搭配使用更稳妥）

代码示例： #

import matplotlib.pyplot as plt
import numpy as np

# 替换成你的实际X/Y数据
x = np.linspace(0, 10, 100)
values = np.sin(x)

# 初始化画布（以40x40像素为例）
px = 1 / plt.rcParams['figure.dpi']
fig = plt.figure(figsize=(40*px, 40*px))
ax = fig.add_subplot(111)

# 绘制曲线
ax.plot(x, values)

# 完全去除边距和轴元素
ax.axis('off')
fig.subplots_adjust(left=0, right=1, top=1, bottom=0)

# 获取图像矩阵（转成numpy数组）
fig.canvas.draw()
# 从画布提取RGB数据并转成numpy格式
image_data = np.frombuffer(fig.canvas.tostring_rgb(), dtype=np.uint8)
# 调整形状为 (高度, 宽度, 3) 的RGB矩阵
image_data = image_data.reshape(fig.canvas.get_width_height()[::-1] + (3,))

# 现在image_data就是你要的图像矩阵了
print(image_data.shape)  # 输出类似 (40, 40, 3)（根据dpi可能略有差异）

2. 不存磁盘，在内存中完成X/Y转图像及矩阵获取的全流程 #

要完全跳过磁盘保存，我们可以用Python的io.BytesIO作为内存中的“虚拟文件”，把Matplotlib生成的图像写入这个内存对象，再直接从中读取图像数据转成矩阵，全程不碰磁盘。

完整代码示例： #

import matplotlib.pyplot as plt
import numpy as np
from io import BytesIO
from PIL import Image  # 用PIL读取内存图像，直观易操作

# 替换成你的实际X/Y数据
x = np.linspace(0, 10, 100)
values = np.sin(x)

# 内存中完成全流程
px = 1 / plt.rcParams['figure.dpi']
fig = plt.figure(figsize=(40*px, 40*px))
ax = fig.add_subplot(111)

# 绘制数据
ax.plot(x, values)

# 去除所有边距和轴元素
ax.axis('off')
fig.subplots_adjust(left=0, right=1, top=1, bottom=0)

# 创建内存字节流对象
buf = BytesIO()

# 将图像保存到内存字节流（设置无白边参数）
fig.savefig(buf, format='png', bbox_inches='tight', pad_inches=0, dpi=plt.rcParams['figure.dpi'])

# 重置字节流指针到开头，准备读取
buf.seek(0)

# 从内存读取图像并转成矩阵
pil_image = Image.open(buf)
image_matrix = np.array(pil_image)

# 清理资源
plt.close(fig)
buf.close()

# 现在image_matrix就是最终的图像矩阵
print(image_matrix.shape)  # 输出 (40, 40, 3) 或带alpha通道的(40,40,4)，取决于格式

额外小贴士： #

• 如果不需要透明背景，在savefig时加上transparent=False，或者改用format='jpg'（但jpg不支持透明）
• 从你的代码里看到用了PyQt，这套方案也能完美适配PyQt环境，不需要额外修改
• 记得关闭画布和字节流，避免不必要的内存占用

内容的提问来源于stack exchange，提问作者Amit Raz