PyQtGraph中SVG导出器导致绘图对象偏移问题分析
2025-06-16 00:47:32作者:裘旻烁
问题描述
在使用PyQtGraph进行数据可视化时,当视图经过某种变换(如设置为对数模式)后,尝试将PlotCurveItem导出为SVG格式时,会出现线条偏移出视图范围的情况,导致导出后的SVG文件中无法看到原本应该显示的线条。
问题背景
这个bug是在PyQtGraph的某个PR中引入的,开发者原本的意图是解决当PlotCurveItem使用大数值坐标时,Qt在写入SVG/XML文件时的精度问题。当时的解决方案是将PlotCurveItem的数值位置调整到-1到1之间,以避免精度损失。然而,这种针对特定绘图项的解决方案不够优雅,且导致了新的问题。
技术分析
问题的核心在于坐标系统的转换处理不当。当视图进行对数变换后,原始的坐标系统与SVG导出时的坐标系统之间出现了不匹配。具体表现为:
- 在视图显示时,对数变换正确应用,图形显示正常
- 但在SVG导出过程中,坐标转换处理不当,导致图形位置偏移
重现步骤
可以通过以下代码重现该问题:
import numpy as np
import scipy
import pyqtgraph as pg
app = pg.mkQApp()
# 创建测试数据
x = np.arange(0, 500, 10)
y = np.random.random(50)*0.3 + scipy.signal.windows.gaussian(50, std=10)
# 创建绘图窗口
plot_window = pg.plot()
plot_item = plot_window.plot(x=x+1000000, y=y, pen='b')
plot_item.setLogMode(True, False)
plot_window.show()
app.exec_()
运行上述代码后,右键点击图形选择导出为SVG,即可观察到线条偏移现象。
解决方案探讨
理想的解决方案应该从以下几个方面考虑:
- 统一坐标系统:在导出过程中保持坐标系统的一致性,确保视图变换正确应用到SVG输出
- 避免特殊处理:不应该针对特定绘图项(如PlotCurveItem)做特殊处理,而是应该在更基础的层面解决问题
- 使用QPainter的世界变换:通过适当设置QPainter的世界变换,可以确保坐标值在合理的范围内,同时保持图形位置正确
技术实现建议
在实现修复时,可以考虑以下方法:
- 在SVG导出前保存当前的视图变换状态
- 应用适当的反向变换,使坐标值落在合理范围内
- 在SVG导出完成后恢复原始变换状态
- 或者直接在QPainter层面应用适当的变换矩阵,确保输出的SVG坐标既在合理范围内,又保持正确的图形位置
总结
PyQtGraph作为Python中强大的可视化库,在处理复杂坐标变换和导出功能时需要特别注意各种边界情况。这个SVG导出偏移问题提醒我们,在优化精度问题时,必须全面考虑各种使用场景,特别是当视图经过非线性变换时的情况。未来的修复方案应该更加通用和健壮,避免针对特定绘图项的特殊处理。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137