如何在Python Matplotlib中控制保存图像的尺寸、分辨率与缩放效果？

我正在学习numpy与matplotlib模块，尚未完全理解如何控制最终图像的缩放参数。以下是我使用的示例代码：

import os
import sys
import numpy as np
import matplotlib.pyplot as plt

def main():
    file_web_traffic = 'web_traffic.tsv'
    np_data = np.genfromtxt(file_web_traffic, delimiter='\t')

    x = np_data[:,0][~np.isnan(np_data[:,1])]
    y = np_data[:,1][~np.isnan(np_data[:,1])]

    plt.scatter(x, y)
    plt.title('Web traffic over the last month')
    plt.xlabel('Time')
    plt.ylabel('Hits/hour')
    plt.xticks([w*7*24 for w in range(10)], ['week %i '%w for w in range(10)])
    plt.autoscale(tight=True)
    plt.grid()

    # The name of that image is image1.png
    plt.show()
    # after image is displayed I increase size of the window by drugging right
    # lower corner down. And then save the image using the icon "Save".

    # Than I save another image here:
    fp1 = np.polyfit(x, y, 3)
    f1 = np.poly1d(fp1)
    fx = np.linspace(0, x[-1], 1000)
    plt.plot(fx, f1(fx), linewidth=4)
    plt.legend(['d=%i' % f1.order], loc='upper left')
    plt.savefig('image2.png')


if __name__ == "__main__":
    main()
sys.exit(0)

生成的两张图像效果不同：手动拖动窗口放大后保存的image1点较纤细，而通过代码savefig保存的image2看起来较为粗糙。我尝试设置不同的英寸尺寸、dpi或分辨率，但仅改变了图像大小，粗糙的问题并未解决。

请问手动拖动窗口调整大小时，图像的表示究竟发生了什么变化？如何通过设置合适的参数实现与手动调整后一致的图像效果？

手动拖动窗口时的图像变化原理 #

• 拖动窗口放大时，Matplotlib会重新渲染整个画布：根据新的窗口尺寸，重新计算所有元素（散点、线条、文字等）的像素占比和位置，确保视觉比例协调，不会因窗口变大出现模糊。
• 手动保存时，输出的是当前窗口渲染后的高分辨率位图，此时散点的像素密度匹配放大后的窗口尺寸，所以视觉上更纤细清晰。

代码实现一致效果的方法 #

要让savefig输出与手动调整后一致的效果，需从画布参数和元素配置两方面调整：

1. 提前设置匹配手动调整的画布尺寸与DPI
   在绘图前用plt.figure()指定对应手动拖动后的窗口尺寸（单位：英寸）和DPI值，比如手动调整后的窗口是1200×800像素，默认DPI为100的话，对应尺寸是12×8英寸：

   plt.figure(figsize=(12, 8), dpi=100)
   

   这段代码要放在所有绘图逻辑的最开头（如plt.scatter()之前）。

2. 调整散点的视觉大小参数
   手动放大窗口后，散点的视觉占比会相对缩小，可通过plt.scatter()的s参数控制散点的像素大小，匹配手动调整后的纤细效果：

   plt.scatter(x, y, s=10)  # s值越小，散点越纤细，可根据实际效果微调
   

3. 修正重复绘图的画布状态问题
   原代码中plt.show()后继续绘图保存，画布仍维持默认尺寸，建议拆分绘图任务，确保每次绘图都使用新的画布配置：

   def main():
       file_web_traffic = 'web_traffic.tsv'
       np_data = np.genfromtxt(file_web_traffic, delimiter='\t')
   
       x = np_data[:,0][~np.isnan(np_data[:,1])]
       y = np_data[:,1][~np.isnan(np_data[:,1])]
   
       # 绘制并保存模拟手动调整效果的image1
       plt.figure(figsize=(12, 8), dpi=100)
       plt.scatter(x, y, s=10)
       plt.title('Web traffic over the last month')
       plt.xlabel('Time')
       plt.ylabel('Hits/hour')
       plt.xticks([w*7*24 for w in range(10)], ['week %i '%w for w in range(10)])
       plt.autoscale(tight=True)
       plt.grid()
       plt.savefig('image1_auto.png')
       plt.show()
   
       # 绘制带拟合线的image2
       plt.figure(figsize=(12, 8), dpi=100)
       plt.scatter(x, y, s=10)
       fp1 = np.polyfit(x, y, 3)
       f1 = np.poly1d(fp1)
       fx = np.linspace(0, x[-1], 1000)
       plt.plot(fx, f1(fx), linewidth=4)
       plt.legend(['d=%i' % f1.order], loc='upper left')
       plt.title('Web traffic over the last month')
       plt.xlabel('Time')
       plt.ylabel('Hits/hour')
       plt.xticks([w*7*24 for w in range(10)], ['week %i '%w for w in range(10)])
       plt.autoscale(tight=True)
       plt.grid()
       plt.savefig('image2.png')
       plt.show()
   

4. 保存时指定高DPI提升清晰度
   如果需要更高的细节清晰度，可在savefig中单独指定dpi参数，覆盖画布默认值：

   plt.savefig('image2.png', dpi=200)
   

内容的提问来源于stack exchange，提问作者user22099079