3

我正在收集大量数据，这些数据将使用 h5py 保存到单个 H5 文件中。我想将这些图像拼凑成一个 pcolormesh 图以保存为单个图像。

我一直在研究的一个快速示例生成 2000x2000 随机数据点的数组，并使用 h5py 将它们保存在 H5 文件中。然后我尝试导入这些文件中的数据并尝试在 matplotlib 中将其绘制为 pcolormesh，但我总是遇到 memoryError（这是预期的）。

import numpy
import h5py
arr = numpy.random.random((2000,2000))

with h5py.File("TEST_HDF5_SAVE_FILES\\Plot_0.h5", "w") as f:
    dset = f.create_dataset("Plot_0", data = arr)

for i in range(1,100):
    arr = numpy.random.random((2000,2000))
    with h5py.File("TEST_HDF5_SAVE_FILES\\Plot_" + str(i) + ".h5", "w") as f:
        dset = f.create_dataset("Plot_" + str(i), data = arr)

该脚本生成我的文件。我选择了 100 作为任意数字，只是为了有足够大的文件集可供提取。

然后我使用以下脚本导入它们：

y = numpy.arange(0, 2000, 1)

for display_plot_num in range(0, 5):
    print display_plot_num
    x = numpy.arange(display_plot_num*2000, display_plot_num*2000 + 2000, 1)

    with h5py.File("TEST_HDF5_SAVE_FILES\\Plot_" + str(display_plot_num) + ".h5", "r+") as f:
        data = f["Plot_" + str(display_plot_num)]
        plt.pcolormesh(x, y, data)
plt.show()

for 循环中的范围值可以更改到 100，但我可以选择的最大值没有内存错误是 5（即可以在 matplotlib 中的 pcolormesh 图上修补 5 个图），而且它非常笨重和缓慢。我需要能够将许多图像拼凑在一起。

我应该使用其他任何技术来绘制这些数据吗？或者，如果我可以将多个 H5 文件中的数据转换为图像而不通过 matplotlib 或类似程序（如 scipy），那就太好了。

总之，我的问题是这样的：

  • 我有大量带有图像数据 (2000x2000) 的 HDF5 文件
  • 我需要将这些文件拼凑成一个图像并保存

任何帮助表示赞赏。另外，我很乐意回答有关我的问题的任何进一步问题。

编辑（5.6.2013）：

我觉得类似的问题是如何在 Python 中处理（导入、操作、编辑等）非常高分辨率的图像。这基本上就是我想要做的；从一组较小的图像中生成非常高分辨率的图像。

4

1 回答 1

2

减少 matplotlib 中图像膨胀的一种方法（尤其是在保存到 SVG 时）是使用rasterized=Truekwarg。这将实质上“扁平化”您的 pcolormesh，从而更快地保存、使用更少的资源等。

于 2016-02-26T22:10:57.403 回答