如何将matplotlib生成的绘图直接保存到HDF5文件中

无需生成本地临时文件、也无需依赖OpenCV，可通过内存缓冲区实现全流程内存操作，适配批量生成大量绘图的场景，具体实现如下：

实现逻辑 #

用io.BytesIO创建内存级的虚拟文件对象，将matplotlib生成的绘图直接写入该虚拟对象，再直接从内存中读取为numpy数组写入HDF5，全程没有磁盘IO操作，不会产生临时文件。

可直接运行的示例代码 #

import io
import numpy as np
import h5py
import matplotlib.pyplot as plt

# 你的绘图逻辑示例（替换为你自己的旋转轴轨迹绘图代码即可）
fig, ax = plt.subplots(figsize=(8, 6))
# 假设x、y为你的测量数据
# ax.plot(x, y, label='旋转轴运行轨迹')
# ax.legend()

# 核心无文件操作部分
img_buffer = io.BytesIO()
# 按需调整dpi、质量等参数，直接写入内存缓冲区
fig.savefig(img_buffer, format='jpg', dpi=150, quality=95)
# 重置缓冲区指针到起始位置
img_buffer.seek(0)
# 用matplotlib自带imread读取为数组，完全替代OpenCV
img_array = plt.imread(img_buffer)
# 操作完成后关闭缓冲区释放内存
img_buffer.close()
# 关闭绘图对象避免内存泄漏
plt.close(fig)

# 写入HDF5的逻辑和你原有逻辑完全兼容
with h5py.File('axis_trajectory.h5', 'a') as h5_file:
    # 按你自己的路径规则创建数据集
    ds = h5_file.create_dataset('/trajectory_plots/plot_001', data=img_array)
    # 保留原有的必要属性配置，保证HDF5图像可正常识别
    ds.attrs.create('CLASS', 'IMAGE', dtype='S6')                                        
    ds.attrs.create('IMAGE_MINMAXRANGE', [0, 255], dtype=np.uint8)
    ds.attrs.create('IMAGE_SUBCLASS', 'IMAGE_TRUECOLOR', dtype='S16')
    ds.attrs.create('IMAGE_VERSION', '1.2', dtype='S4')
    ds.attrs.create('INTERLACE_MODE', 'INTERLACE_PIXEL', dtype='S16')

批量处理优化建议 #

如果需要处理超大量绘图，可跳过jpg编码解码步骤，直接从canvas获取像素数组，速度提升明显：

# 绘图完成后直接获取像素数组
fig.canvas.draw()
img_array = np.array(fig.canvas.renderer.buffer_rgba())
# 此时得到的是RGBA格式数组，如果需要RGB格式可以去掉最后一维：img_array = img_array[..., :3]

这样完全跳过了图像编码解码环节，处理速度更快，适合批量生成数千张以上绘图的场景。

内容的提问来源于stack exchange，提问作者m.ariuz