在matplotlib中高效绘制多张含多个补丁的图像的方法？

Question

我正在写一段代码，用来显示图片之间的特征匹配。目前这段代码运行得比较慢。我有一些想法可以加快速度，但对matplotlib的使用和它背后的工作原理还不是特别熟悉。

这段代码的基本结构是：（为了让内容更易读，我省略了一些细节）

from matplotlib.patches import Rectangle, Circle, Ellipse
import matplotlib.gridspec as gridspec
from matplotlib.transforms import Affine2D
from scipy.linalg import inv, sqrtm
import matplotlib.pyplot as plt
import numpy as np

添加一组图片。每张图片都有自己的坐标轴：ax，并且记住ax.transData

gs = gridspec.GridSpec( nr, nc )
for i in range(num_images):
     dm.ax_list[i] = plt.subplot(gs[i])
     dm.ax_list[i].imshow( img_list[i])
     transData_list[i] = dm.ax_list[i].transData

将特征表示可视化为椭圆

for i in range(num_chips):
     axi =  chips[i].axi 
     ax  =  dm.ax_list[axi]
     transData = dm.transData_list[axi]
     chip_feats = chips[i].features
     for feat in chip_feats:
         (x,y,a,c,d) = feat
         A = numpy.array( [ ( a, 0, 0 ) ,
                                  ( c, d, 0 ) ,
                                  ( 0, 0, 1 ) ] , dtype=np.float64)
         EllShape = Affine2D( numpy.array(sqrtm( inv(A) ), dtype=np.float64) )
         transEll  = EllShape.translate(x,y)
         unitCirc = Circle((0,0),1,transform=transEll+transData)
         ax.add_patch(unitCirc)

我使用RunSnakeRun来分析代码，结果显示绘制所有内容的时间很长。我在学习matplotlib的变换时，基本想法是将每张图片绘制在自己的坐标系中，然后保持多个变换，以便后续可以做一些有趣的操作，但我怀疑这样做可能不太适合大规模数据。

实际绘制的结果如下：

当我调整窗口大小时，图形重绘大约需要4秒，而我还想要平移和缩放。

我为每个特征添加了两个补丁，每张图片大约有300个特征，所以我可以看到轮廓和一些透明度。显然，这样会增加开销。但即使没有椭圆，绘制速度也相对较慢。

我还需要写一些代码来在匹配特征之间画线，但现在我不太确定使用多个坐标轴是否是个好主意，尤其是当数据集相对较小的时候。

所以，我有一些更具体的问题：

绘制椭圆和变换后的圆形哪个更高效？使用matplotlib变换的开销有多大？
有没有办法将一组补丁组合在一起，使它们一起变换或更高效？
把所有内容放在一个坐标轴里会更高效吗？如果这样做，变换的概念还能用吗？还是说变换是主要的问题所在？
有没有快速的方法在一组矩阵A上计算sqrtm( inv( A ) )？还是说用for循环也没问题？
我应该换成像pyqtgraph这样的工具吗？我不打算做任何动画，除了平移和缩放。（也许将来我会想把这些嵌入到一个交互式图表中）

编辑：

我通过手动计算平方根逆矩阵的形式，提高了绘制效率。这确实加快了速度。

在上面的代码中：

 A = numpy.array( [ ( a, 0, 0 ) ,
                          ( c, d, 0 ) ,
                          ( 0, 0, 1 ) ] , dtype=np.float64)
 EllShape = Affine2D( numpy.array(sqrtm( inv(A) ), dtype=np.float64) )

被替换为

 EllShape = Affine2D([\
 ( 1/sqrt(a),         0, 0),\
 ((c/sqrt(a) - c/sqrt(d))/(a - d), 1/sqrt(d), 0),\
 (         0,         0, 1)])

我还发现了一些有趣的时间结果：

  num_to_run = 100000
  all_setup  = ''' import numpy as np ; from scipy.linalg import sqrtm ; from numpy.linalg import inv ; from numpy import sqrt
  a=.1 ; c=43.2 ; d=32.343'''

  timeit( \
  'sqrtm(inv(np.array([ ( a, 0, 0 ) , ( c, d, 0 ) , ( 0, 0, 1 ) ])))',\
  setup=all_setup, number=num_to_run)
   >> 22.2588094075 #(Matlab reports 8 seconds for this run) 

  timeit(\
  '[ (1/sqrt(a), 0, 0), ((c/sqrt(a) - c/sqrt(d))/(a - d), 1/sqrt(d), 0), (0, 0, 1) ]',\
  setup=all_setup,  number=num_to_run)
  >> 1.10265190941 #(Matlab reports .1 seconds for this run)

编辑2

我已经让椭圆的计算和绘制速度非常快（大约一秒，我没有进行详细分析），使用了PatchCollection和一些手动计算。唯一的缺点是我似乎无法将椭圆的填充设置为false。

 from matplotlib.collections import PatchCollection
 ell_list = []
 for i in range(num_chips):
     axi =  chips[i].axi 
     ax  =  dm.ax_list[axi]
     transData = dm.transData_list[axi]
     chip_feats = chips[i].features
     for feat in chip_feats:
         (x,y,a,c,d) = feat
         EllShape = Affine2D([\
            ( 1/sqrt(a),         0, x),\
            ((c/sqrt(a) - c/sqrt(d))/(a - d), 1/sqrt(d), y),\
            (         0,         0, 1)])
         unitCirc = Circle((0,0),1,transform=EllShape)
         ell_list = [unitCirc] + ell_list
    ellipses = PatchCollection(ell_list)
    ellipses.set_color([1,1,1])
    ellipses.face_color('none') #'none' gives no fill, while None will default to [0,0,1]
    ellipses.set_alpha(.05)
    ellipses.set_transformation(transData)
    ax.add_collection(ellipses)

性能优化数据可视化 matplotlib 交互式图表坐标轴特征匹配变换 PatchCollection

在matplotlib中高效绘制多张含多个补丁的图像的方法？

1 个回答

撰写回答