使用Matplotlib与PyQtGraph绘制大像素图像的性能优化问询

针对你的场景——不需要显示图像仅保存文件，Windows系统下Matplotlib/PyQtGraph绘制百万像素图像速度慢的问题，核心思路是跳过GUI渲染流程，直接操作图像数据进行文件写入，以下是分库优化和通用高效方案：

一、Matplotlib优化方案 #

如果你坚持使用Matplotlib，重点是关闭交互式渲染、精简绘图流程，砍掉不必要的GUI相关开销：

• 强制使用非交互式后端：必须在导入pyplot前设置后端为Agg，完全避开GUI渲染逻辑

  import matplotlib
  matplotlib.use('Agg')  # 这行代码一定要放在plt导入之前
  import matplotlib.pyplot as plt
  

• 精简绘图步骤，跳过冗余渲染：

  # 假设img_data是你的图像numpy数组，形状为(H, W, 3)（RGB）或(H, W)（灰度）
  # 让画布尺寸和图像像素精确匹配，避免缩放计算
  fig_width = img_data.shape[1] / 100
  fig_height = img_data.shape[0] / 100
  fig, ax = plt.subplots(figsize=(fig_width, fig_height), dpi=100)
  
  ax.imshow(img_data)
  ax.axis('off')  # 关闭坐标轴、刻度等不需要的元素
  plt.subplots_adjust(left=0, right=1, top=1, bottom=0)  # 去掉画布边距，减少额外计算
  
  # 保存时关闭不必要的参数，避免裁剪、边距计算开销
  fig.savefig('output.png', dpi=100, bbox_inches=None, pad_inches=0)
  plt.close(fig)  # 及时释放内存，避免资源占用
  

二、PyQtGraph优化方案 #

PyQtGraph主打交互式显示，纯保存场景下没必要走完整的GUI渲染流程：

• 跳过Qt窗口创建，直接将数组转为QImage后保存：

  import numpy as np
  from PyQt5.QtGui import QImage
  
  # 确保图像数据是uint8格式（符合图像文件的常规要求）
  img_data = img_data.astype(np.uint8)
  h, w, ch = img_data.shape
  bytes_per_line = ch * w
  
  # 直接将numpy数组转为QImage
  q_img = QImage(img_data.data, w, h, bytes_per_line, QImage.Format_RGB888)
  # 直接保存文件
  q_img.save('output.png')
  

三、最推荐的通用高效方案（性能提升最明显） #

既然不需要显示图像，完全可以绕过绘图库，直接用专门的图像IO库处理数组写入——这是速度最快的方式，没有多余的渲染 overhead：

方案1：使用Pillow（PIL） #

Pillow是Python生态中最常用的图像处理库，直接操作numpy数组的效率极高：

from PIL import Image
import numpy as np

# 示例：生成600万像素的RGB图像数组（2000x3000）
img_data = np.random.randint(0, 255, (2000, 3000, 3), dtype=np.uint8)

# 直接将数组转为图像并保存，一步到位
Image.fromarray(img_data).save('output.png')

方案2：使用OpenCV #

如果你熟悉OpenCV，它的图像写入性能也非常出色（注意OpenCV默认采用BGR通道顺序，需要做转换）：

import cv2
import numpy as np

img_data = np.random.randint(0, 255, (2000, 3000, 3), dtype=np.uint8)
# 将RGB数组转为OpenCV默认的BGR格式
img_bgr = cv2.cvtColor(img_data, cv2.COLOR_RGB2BGR)
# 直接保存
cv2.imwrite('output.png', img_bgr)

额外性能小贴士 #

• 统一数据格式：确保图像数组是uint8类型（0-255的整数），避免float类型的转换开销；
• 避免冗余复制：直接操作原始数组，不要做不必要的np.copy()操作；
• 选择合适格式：PNG适合无损场景，如果可以接受有损压缩，JPEG的保存速度更快（可通过quality参数调整压缩比）；
• 升级库版本：确保Matplotlib、PyQtGraph、Pillow/OpenCV是最新版本，新版本通常包含性能优化。

内容的提问来源于stack exchange，提问作者DSblizzard