前面用三篇文章讨论了图像的大小、分辨率等概念:
本以为这个方面的内容应该以讲得很清楚了,甚至可能太细、太深入了。但最近仍有网友在 python草堂 群里问到这个话题。
今天再把三篇内容做一个串联,讨论一下:
之间的关系,并就绘图时应该怎样设置图像的大小和分辨率给出一些建议。
在 matplotlib 中绘制图像,实例化 Figure
类,创建一个 figure 时,有两个参数:
figsize
, 提供一个float 2元元组,(width, height),默认单位:inches ,定义了 figure 的大小尺寸;该尺寸就是最终生成的图像的物理尺寸;dpi
, 提供一个整数,表示图像的分辨率, Dots per inches,即每英寸距离上的点数,这个点实际是一个很小的正方形方块;这个小方块对应打印时的 dot, 屏幕显示时的 pixel,和图像尺寸中的像素。在 windows 中,在 ps 中,查看图像大小时,又常用多少个像素来表示图像的大小。如下图:
以宽度为例,这个像素就是:width * dpi
我们用matplotlib绘制一幅图像,并保存为磁盘文件,用得到的 PNG 文件来说明,更容易点。
import numpy as np
from matplotlib.backends.backend_agg import FigureCanvasAgg
from matplotlib.figure import Figure
from numpy import math
fig = Figure(figsize=(4, 2),
dpi=96,
facecolor=(249 / 256, 244 / 256, 206 / 256),
edgecolor=(82 / 256, 101 / 256, 155 / 256),
frameon=True,
)
canvas = FigureCanvasAgg(fig)
fca = (249 / 256, 244 / 256, 206 / 256)
fcb = (138 / 256, 176 / 256, 209 / 256)
ax_a = fig.add_subplot(111, facecolor=fcb)
x = np.arange(0, 2 * math.pi, 0.001)
y = np.sin(x)
ax_a.plot(x, y, color='r')
s, (width, height) = canvas.print_to_buffer()
from PIL import Image
im = Image.frombytes("RGBA", (width, height), s)
im.show()
canvas.print_figure('DPI_PPI.jpg')
上面的代码绘制一个 width = 4 inches, height=2 inches, dpi = 96
的图像。
黄色的矩形就是 figure 的大小。蓝色的是 axes 。
在 ps 中查看该图像的大小:
96 * 4 = 384;
96 * 2 = 192
这就是图像像素大小的由来。
这个图像,你如果按照 100% 比例打印,得到的图片大小就是:
4 * 2.54 = 10.16 cm
2 *2.54 = 5.08 cm
在屏幕上看这幅图像,看到的图像区域有多大呢?这与另两个参数有关:
假设屏幕的 PPI 也是 96,你查看图像的显示比例是 100%,这副图像在你的屏幕上占据的屏幕空间也就是:10.16 cm * 5.08 cm
。
如果你屏幕的分辨率是 72 PPI, 100%的显示比例,这副图像在你的屏幕上占据的屏幕空间则是:10.16 * (96 / 72)
和 5.08 * (96 / 72)
.
假设图像的显示比例是 scale,换算公式是:
width * (dpi / ppi) * scale
,height * (dpi / ppi) * scale
取决于你的图像用途:
绘图时,绘图元素的大小如何设置呢?以线的宽度为例:
matplotlib 默认参数, dpi = 72,线宽是 1.5 points。默认参数是比较协调的。
那么 matplotlib 中的 points 的尺寸到底是多少呢?
Matplotlib 中 每英寸点数(ppi)为72,则宽度为 1 point 点的线将为 1/72 英寸宽,使用 fontsize 12 点的文本将是 12/72 寸高,=0.3527 mm。**它是一个绝对单位,和 cm, mm 一样。
如果你将 figure 的 dpi 设置为 144,在一个 point 宽中将有两个像素 pixel,你的图像 100 %的比例在屏幕上显示时,看起来就有默认的两倍宽。
绘图图像尺寸,保存图像尺寸,显示图像尺寸,打印图像尺寸之间的逻辑关系,如下图:
需要高清原图的,请移步 Python草堂群 457079928 下载。
有问题也欢迎来讨论!