如何在ipycanvas中绘制像素？用矩形替代导致绘制缓慢

你当前用fill_rect逐像素绘制1×1矩形的方式性能极低，核心原因是频繁调用Canvas API会带来巨大的开销。ipycanvas提供了put_image_data方法，可以直接传入图像数据数组一次性完成像素绘制，结合numpy的向量化操作处理滤镜，能大幅提升效率。

优化后的实现步骤 #

1. 将PIL图像转换为numpy数组，方便快速进行逐像素滤镜处理
2. 对数组应用滤镜逻辑（numpy向量化操作远快于Python循环）
3. 使用put_image_data一次性将处理后的图像数据绘制到画布上

示例代码（以灰度滤镜为例） #

import numpy as np
from PIL import Image
import ipycanvas
from ipycanvas import Canvas
import requests
from io import BytesIO

# 获取图像
url = r"https://wallpapercave.com/dwp1x/wp1816238.jpg"
response = requests.get(url)
img = Image.open(BytesIO(response.content))

# 转换为numpy数组（形状为 (高度, 宽度, 3)，通道顺序RGB）
img_array = np.array(img)

# --- 这里添加你的滤镜处理逻辑 ---
# 示例：灰度滤镜，使用加权平均公式
gray_array = np.dot(img_array[...,:3], [0.2989, 0.5870, 0.1140])
# 转换回RGB格式（三个通道值相同）
processed_array = np.stack([gray_array, gray_array, gray_array], axis=-1).astype(np.uint8)

# 创建画布
canvas = Canvas(width=img.width, height=img.height)

# 一次性绘制所有像素
canvas.put_image_data(processed_array, 0, 0)

canvas

关键说明 #

• put_image_data接受的数组需要是uint8类型，形状为(height, width, 3)（RGB）或(height, width, 4)（RGBA）
• 所有滤镜处理都在numpy数组上完成，numpy的向量化操作比Python循环快几个数量级
• 如果不需要滤镜，直接传入原始img_array即可快速绘制图像

内容的提问来源于stack exchange，提问作者user8234870