如何以交互方式更新 matplotlib imshow() 窗口？

Question

我正在研究一些计算机视觉算法，我想展示一个 numpy 数组在每一步中的变化。

现在可行的是，如果我在代码末尾有一个简单的imshow( array )，窗口就会显示并显示最终图像。

但是，我想做的是在每次迭代中图像更改时更新和显示 imshow 窗口。

例如，我想这样做：

import numpy as np
import matplotlib.pyplot as plt
import time

array = np.zeros( (100, 100), np.uint8 )

for i in xrange( 0, 100 ):
    for j in xrange( 0, 50 ):
        array[j, i] = 1

        #_show_updated_window_briefly_
        plt.imshow( array )
        time.sleep(0.1)

问题是这样一来，Matplotlib 窗口不会被激活，只有在整个计算完成后才会被激活。

我尝试过原生 matplotlib 和 pyplot，但结果是一样的。对于绘图命令，我找到了一个 .ion() 开关，但在这里它似乎不起作用。

第一季度。持续显示对 numpy 数组（实际上是 uint8 灰度图像）的更新的最佳方式是什么？

第二季度。是否可以使用动画功能来做到这一点，比如dynamic image example？我想在循环中调用一个函数，因此我不知道如何使用动画函数来实现。

Answer 1

我努力让它工作，因为很多帖子都在谈论这个问题，但似乎没有人关心提供一个工作示例。然而，在这种情况下，原因是不同的：

• 我无法使用 Tiago 或 Bily 的答案，因为它们不在 与问题相同的范式。在问题中，刷新是 由算法本身安排，同时具有funcanimation或 videofig，我们处于事件驱动的范式中。事件驱动 对于现代用户界面编程来说，编程是不可避免的，但是 当你从一个复杂的算法开始时，可​​能很难 将其转换为事件驱动方案 - 我希望能够做到 它也在经典的程序范式中。
• Bub Espinja 回复遇到另一个问题：我没有在 jupyter 笔记本的上下文，但重复 imshow 是错误的，因为它 每次都重新创建新的数据结构，这会导致重要的 内存泄漏并减慢整个显示过程。

Tiago 还提到调用 draw()，但没有指定从哪里获取它 - 顺便说一句，你不需要它。你真正需要调用的函数是flush_event()。有时它可以在没有的情况下工作，但这是因为它是从其他地方触发的。你不能指望它。真正棘手的一点是，如果你在一个空表上调用imshow()，你需要指定 vmin 和 vmax 否则它将无法初始化它的颜色映射并且 set_data 也会失败。

这是一个可行的解决方案：

IMAGE_SIZE = 500
import numpy as np
import matplotlib.pyplot as plt


plt.ion()

fig1, ax1 = plt.subplots()
fig2, ax2 = plt.subplots()
fig3, ax3 = plt.subplots()

# this example doesn't work because array only contains zeroes
array = np.zeros(shape=(IMAGE_SIZE, IMAGE_SIZE), dtype=np.uint8)
axim1 = ax1.imshow(array)

# In order to solve this, one needs to set the color scale with vmin/vman
# I found this, thanks to @jettero's comment.
array = np.zeros(shape=(IMAGE_SIZE, IMAGE_SIZE), dtype=np.uint8)
axim2 = ax2.imshow(array, vmin=0, vmax=99)

# alternatively this process can be automated from the data
array[0, 0] = 99 # this value allow imshow to initialise it's color scale
axim3 = ax3.imshow(array)

del array

for _ in range(50):
    print(".", end="")
    matrix = np.random.randint(0, 100, size=(IMAGE_SIZE, IMAGE_SIZE), dtype=np.uint8)
    
    axim1.set_data(matrix)
    fig1.canvas.flush_events()
    
    axim2.set_data(matrix)
    fig1.canvas.flush_events()
    
    axim3.set_data(matrix)
    fig1.canvas.flush_events()
print()

更新：我根据@Jettero 的评论添加了 vmin/vmax 解决方案（一开始我错过了）。

Answer 2

如果您使用的是 Jupyter，也许这个答案会让您感兴趣。 我在this site 中读到clear_output 的嵌入功能可以解决问题：

%matplotlib inline
from matplotlib import pyplot as plt
from IPython.display import clear_output

plt.figure()
for i in range(len(list_of_frames)):
    plt.imshow(list_of_frames[i])
    plt.title('Frame %d' % i)
    plt.show()
    clear_output(wait=True)

这个方法确实很慢，但是可以用于测试目的。

Answer 3

我实现了一个方便的脚本，正好适合您的需求。试试看here

在自定义目录中显示图像的示例如下：

  import os
  import glob
  from scipy.misc import imread

  img_dir = 'YOUR-IMAGE-DIRECTORY'
  img_files = glob.glob(os.path.join(video_dir, '*.jpg'))

  def redraw_fn(f, axes):
    img_file = img_files[f]
    img = imread(img_file)
    if not redraw_fn.initialized:
      redraw_fn.im = axes.imshow(img, animated=True)
      redraw_fn.initialized = True
    else:
      redraw_fn.im.set_array(img)
  redraw_fn.initialized = False

  videofig(len(img_files), redraw_fn, play_fps=30)

Answer 4

您无需一直致电imshow。使用对象的set_data方法要快得多：

myobj = imshow(first_image)
for pixel in pixels:
    addpixel(pixel)
    myobj.set_data(segmentedimg)
    draw()

draw() 应确保后端更新图像。

更新：您的问题已被大幅修改。在这种情况下，最好问另一个问题。这是处理您的第二个问题的一种方法：

Matplotlib 的动画只处理一个增加的维度（时间），所以你的双循环不会做。您需要将索引转换为单个索引。这是一个例子：

import numpy as np
from matplotlib import pyplot as plt
from matplotlib import animation

nx = 150
ny = 50

fig = plt.figure()
data = np.zeros((nx, ny))
im = plt.imshow(data, cmap='gist_gray_r', vmin=0, vmax=1)

def init():
    im.set_data(np.zeros((nx, ny)))

def animate(i):
    xi = i // ny
    yi = i % ny
    data[xi, yi] = 1
    im.set_data(data)
    return im

anim = animation.FuncAnimation(fig, animate, init_func=init, frames=nx * ny,
                               interval=50)