Matplotlib中将绘图保存到Numpy数组的2种方法

在 Python 中将绘图保存到 NumPy 数组是一种将数据可视化与数组操作联系起来的技术，允许将图形绘图直接存储为数组表示形式，从而促进在 Python 环境中进行进一步的计算分析或修改。让我们学习如何使用 Matplotlib 将绘图保存到 NumPy 数组。

如何将绘图保存到 NumPy 数组
要将绘图保存到 NumPy 数组，必须首先使用 Matplotlib 等绘图库创建绘图，然后利用“canvas.tostring_rgb()”方法将绘图捕获为 RGB 字符串，并将该数据重新整形为 NumPy 数组：适当的尺寸。

基本步骤包括：

绘制并捕获绘图的 RGB 表示
将其重塑为数组，确保可视化无缝集成到数据分析工作流程中。

方法1：使用fig.canvas.tostring_rgb和numpy.fromstring

在这种方法中，绘图被创建并绘制在画布上。绘制画布以渲染绘图，然后使用“ buf= Fig.canvas.tostring_rgb() ”将渲染的画布转换为原始 RGB 缓冲区。
原始缓冲区被转换为表示图像的 NumPy 数组。最后，它打印图像数组的形状和一部分像素值及其 RGB 值。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [4, 5, 6])
fig.canvas.draw()

将画布canvas 转换为原始 RGB 缓冲区
buf = fig.canvas.tostring_rgb()
ncols, nrows = fig.canvas.get_width_height()
image = np.frombuffer(buf, dtype=np.uint8).reshape(nrows, ncols, 3)

print("Image shape:", image.shape)
print("First 3x3 pixels and RGB values:")
print(image[:3, :3, :])

输出：
Image shape: (480, 640, 3)
First 3x3 pixels and RGB values:
[[[255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]]

 [[255 255 255]
  [255 255 255]
  [255 255 255]]]

图像的尺寸为(480,640,3)，这些数字表示：

480： 这是图像的高度（以像素为单位）。
640： 这是图像的宽度（以像素为单位）。
3：这表示图像中颜色通道的数量。由于该值为 3，因此它可能是 RGB 图像，其中每个像素具有代表红色、绿色和蓝色强度的三个值。

方法 2：将绘图保存到 io.BytesIO 对象中

这种方法是用 Matplotlib 创建一个绘图，然后将其保存到内存中的 BytesIO 对象（作为 PNG），即内存中的临时缓冲区，而不是直接保存到文件中。
然后使用 Pillow（PIL Fork）库将 BytesIO 对象读入 PIL 图像，并将其转换为 NumPy 数组。这种方法可以高效地将绘图转换为数组，而无需从磁盘保存和读取。

import matplotlib.pyplot as plt
import numpy as np
import io
from PIL import Image

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [4, 5, 6])

# Create a bytes buffer to save the plot
buf = io.BytesIO()
plt.savefig(buf, format='png')
buf.seek(0)

# 从缓冲区打开 PNG 图像，并将其转换为 NumPy 数组
image = np.array(Image.open(buf))
# Close the buffer
buf.close()

print("Image shape:", image.shape)
print("First 3x3 pixels and RGB values:")
print(image[:3, :3, :])

输出：
Image shape: (480, 640, 4)
First 3x3 pixels and RGB values:
[[[255 255 255 255]
  [255 255 255 255]
  [255 255 255 255]]

 [[255 255 255 255]
  [255 255 255 255]
  [255 255 255 255]]

 [[255 255 255 255]
  [255 255 255 255]
  [255 255 255 255]]]

输出 (480, 640, 4) 给出了一个 NumPy 数组，表示高度为 480 像素、宽度为 640 像素和四个颜色通道（RGBA）的图像。虽然绘图数据本身可能没有明确使用 alpha 通道，但它的存在可能是 Matplotlib 处理 PNG 透明度或所用图像处理库行为的结果。

具有 PNG 透明度的 Matplotlib：使用 plt.savefig 将 Matplotlib 图形保存为 PNG 格式并启用透明度时，即使图形本身没有明确使用透明度，生成的图像也可能有 Alpha 通道。这种行为取决于 Matplotlib 对 PNG 图像的内部处理。
外部库 (PIL)：在使用 PIL 等外部库打开图像时，即使 Matplotlib 中的原始 PNG 没有添加阿尔法通道，也可能会添加。某些图像处理库（如 PIL）可能会默认设置或添加阿尔法通道，以保持一致性。

结论
总之，在 Python 中将绘图转换为 NumPy 数组，通过将其与基于数组的计算集成，增强了数据可视化，为各种应用提供了灵活性。