与大图像更友好的matplotlib交互
ModestImage的Python项目详细描述
#modestimage
*与大图像的matplotlib交互更友好*
*绘制时间（大致）与图像大小无关
*可以可视化大的“numpy.memmap”数组，而无需对整个数组进行
内存复制。这使得
图像的可视化效果变得太大而无法放入内存。
`
将matplotlib.pyplot导入为plt
从适度映像导入适度映像imshow
ax=plt.gca（）
imshow（ax，image_array，vmin=0，vmax=10）
plt.show（）
````
``imshow``接受matplotlib
函数所做的所有关键字参数。“vmin”和“vmax”关键字不是必需的
，但如果没有提供，则会扫描整个图像以确定最小/最大值。如果数组很大，则速度可能会很慢。
>要直接创建一个谦逊的图像艺术家，请直接：
``````
````
````
``````
artist=modedsimage（data=数组）
`````
``
`````
import matplotplotlib.pyplot plt
import pyfits
```````>
`````````>
`>
x=plt.gca（）
_数组=pyfits.open（'file_name.fits'，memmap=true）[0].data
artist=imshow（ax，巨型数组，vmin=0，vmax=10）
plt.show（）
````
这几乎立即打开，内存占用不大。
对于设置颜色映射或数据
数组后的第一个绘制请求，axesimage（默认matplotlib图像类）计算数据数组中每个像素的
rgba值。对于
大图像来说，这是一个很大的工作量，而且如果最终渲染受到屏幕分辨率（通常为100k-1m像素）的限制，而不是图像分辨率（通常要高得多），则通常会过度渲染。
axesimage通过保存这个
缩放的结果来对此进行补偿。这意味着仅更改
位置或缩放级别的后续渲染速度非常快。然而，在交互
的情况下，数据数组或强度刻度经常变化，
axesimage会浪费大量时间计算（潜在较大）数据集中每个像素的rgba值。它还会生成几个临时的
数组，其大小与原始数组相当，从而浪费内存。
modedsimage在每次绘制请求时对图像阵列重新采样，提取
分辨率和范围与屏幕
分辨率匹配的较小图像。因此，rgba缩放步骤要快得多，因为它只对与当前渲染相关的像素进行
放置。
此方案不利用axesimage的缓存，因此移动和缩放操作后的
重绘速度稍慢。然而，
在颜色映射和数据更改之后绘制的速度要快得多，而且大多数
重绘都足够快，可以交互使用。
对于1000x1000像素图像：
```
执行轴图像测试
绘制时间：每次操作186 ms
移动时间：每次操作19 ms
移动时间：每次操作28 ms
执行谦逊图像测试
绘制时间：每次操作25 ms
移动时间：20 ms每次操作的毫秒数
时间移动缩放：每次操作的28毫秒数
```
``时间绘制``是清除缓存后的呈现时间
（例如，在``设置'数据之后``已调用，或颜色映射已被更改。虽然与axesimage竞争的移动和缩放操作（axesimage使用缓存数据）相比，
由于对图像进行降采样的方式，
因此，在像素级别上，modedsimage不会始终生成与axesimage相同的结果。但是，差异很小，如果不进行下采样（即屏幕像素采样<；=1个数据像素），则差异消失
*与大图像的matplotlib交互更友好*
*绘制时间（大致）与图像大小无关
*可以可视化大的“numpy.memmap”数组，而无需对整个数组进行
内存复制。这使得
图像的可视化效果变得太大而无法放入内存。
`
将matplotlib.pyplot导入为plt
从适度映像导入适度映像imshow
ax=plt.gca（）
imshow（ax，image_array，vmin=0，vmax=10）
plt.show（）
````
``imshow``接受matplotlib
函数所做的所有关键字参数。“vmin”和“vmax”关键字不是必需的
，但如果没有提供，则会扫描整个图像以确定最小/最大值。如果数组很大，则速度可能会很慢。
>要直接创建一个谦逊的图像艺术家，请直接：
``````
````
````
``````
artist=modedsimage（data=数组）
`````
``
`````
import matplotplotlib.pyplot plt
import pyfits
```````>
`````````>
`>
x=plt.gca（）
_数组=pyfits.open（'file_name.fits'，memmap=true）[0].data
artist=imshow（ax，巨型数组，vmin=0，vmax=10）
plt.show（）
````
这几乎立即打开，内存占用不大。
对于设置颜色映射或数据
数组后的第一个绘制请求，axesimage（默认matplotlib图像类）计算数据数组中每个像素的
rgba值。对于
大图像来说，这是一个很大的工作量，而且如果最终渲染受到屏幕分辨率（通常为100k-1m像素）的限制，而不是图像分辨率（通常要高得多），则通常会过度渲染。
axesimage通过保存这个
缩放的结果来对此进行补偿。这意味着仅更改
位置或缩放级别的后续渲染速度非常快。然而，在交互
的情况下，数据数组或强度刻度经常变化，
axesimage会浪费大量时间计算（潜在较大）数据集中每个像素的rgba值。它还会生成几个临时的
数组，其大小与原始数组相当，从而浪费内存。
modedsimage在每次绘制请求时对图像阵列重新采样，提取
分辨率和范围与屏幕
分辨率匹配的较小图像。因此，rgba缩放步骤要快得多，因为它只对与当前渲染相关的像素进行
放置。
此方案不利用axesimage的缓存，因此移动和缩放操作后的
重绘速度稍慢。然而，
在颜色映射和数据更改之后绘制的速度要快得多，而且大多数
重绘都足够快，可以交互使用。
对于1000x1000像素图像：
```
执行轴图像测试
绘制时间：每次操作186 ms
移动时间：每次操作19 ms
移动时间：每次操作28 ms
执行谦逊图像测试
绘制时间：每次操作25 ms
移动时间：20 ms每次操作的毫秒数
时间移动缩放：每次操作的28毫秒数
```
``时间绘制``是清除缓存后的呈现时间
（例如，在``设置'数据之后``已调用，或颜色映射已被更改。虽然与axesimage竞争的移动和缩放操作（axesimage使用缓存数据）相比，
由于对图像进行降采样的方式，
因此，在像素级别上，modedsimage不会始终生成与axesimage相同的结果。但是，差异很小，如果不进行下采样（即屏幕像素采样<；=1个数据像素），则差异消失
欢迎加入QQ群-->： 979659372
