Удаление белого пространства вокруг сохраненных изображений в Matplotlib и NetworkX
Быстрый ответ
Если вам нужно автоматически обрезать избыточные белые поля около изображения, используйте функцию getbbox()
из библиотеки Pillow. Она поможет обозначить границы заполненных областей изображения. Затем, с помощью функции crop()
, вы сможете обрезать необходимые участки. Вот как это делается:
from PIL import Image
def trim_whitespace(image_path):
with Image.open(image_path) as img:
bbox = img.getbbox() # Определяем границы заполненных областей
if bbox:
img = img.crop(bbox) # Обрезаем избыточные пространства
img.save('trimmed_image.png') # Сохраняем результат
trim_whitespace('your_image.png') # Укажите путь к нужному вам изображению
Запустите функцию trim_whitespace()
, указав путь к файлу с изображением, чтобы избавиться от белых полей.

Альтернативные методы обрезки и оптимизации
Если вы работаете с графиками matplotlib, не волнуйтесь, у нас для вас также есть решения!
Подгонка изображения в matplotlib
Чтобы ваши изображения выглядели идеально, используйте аргументы bbox_inches='tight'
и pad_inches=0
при вызове метода plt.savefig()
:
import matplotlib.pyplot as plt
# Создаём график...
plt.plot(...)
# Сохраняем без белых полей
plt.savefig('tight_figure.png', bbox_inches='tight', pad_inches=0)
Удаление излишних отступов и осей
Если по какой-то причине элементы осей занимают слишком много места, которое можно было бы эффективнее использовать, отключите оси с помощью plt.gca().set_axis_off()
и установите минимальные отступы с помощью команды plt.margins(0,0)
:
plt.gca().set_axis_off() # Отключаем оси
plt.margins(0,0) # Удаляем отступы
Чтобы удалить лишнее пространство, настроенное для субплотов, воспользуйтесь методом
plt.subplots_adjust()
:
plt.subplots_adjust(left=0, right=1, top=1, bottom=0) # Оптимизируем использование пространства
Прозрачный фон
В случае необходимости использовать прозрачный фон, аргумент transparent=True
решит вашу проблему:
plt.savefig('transparent_figure.png', transparent=True) # Сохраняем изображение с прозрачным фоном
Функция "всё в одном": создание и обрезка
Вы можете скомбинировать возможности matplotlib и Pillow, чтобы создать функцию, которая осуществит как построение графика, так и обрезку лишнего:
def create_and_trim_plot(x, y):
plt.figure()
plt.plot(x, y)
plt.savefig('temporary_figure.png', bbox_inches='tight', pad_inches=0) # Этап предварительной обрезки
trim_whitespace('temporary_figure.png') # Финальная обрезка
Такой подход с двойной обрезкой даст наилучший результат.
Визуализация
Ниже приведено пример того, как избавиться от лишних белых полей, окружающих ваше изображение:
Множество белых полей (До): 🌫️🖼️🌫️
Произведите обрезку:
image.crop(bounding_box) # 🖼️✂️➡️🖼️
Теперь ваше изображение выглядит безупречно:
Обрезанное и аккуратное (После): 🖼️
Просто и эффективно.
За рамками статических изображений: методы для обработки динамичных сценариев
В контексте веб-приложений и пользовательского интерфейса ситуация немного сложнее.
Визуализация в веб-приложении
С помощью CSS можно настроить границы изображения на вашем сайте. Чтобы избавиться от избыточных белых полей в рамках HTML, установите атрибут style="display:block;"
для вашего изображения:
<img src="trimmed_image.png" style="display:block;" />
Это изображение будет отображаться без лишних отступов.
Работа с фреймворками GUI
При разработке приложений с графическим интерфейсом воспользуйтесь классами, которые оптимизированы для вашего фреймворка. Например, в Tkinter можно использовать класс PhotoImage
. Не забывайте также контролировать дополнительные отступы элементов интерфейса:
from tkinter import PhotoImage
trimmed_image = PhotoImage(file="trimmed_image.png")
С помощью этого подхода ваши изображения всегда будут выглядеть безупречно.
Потенциальные проблемы: сложные случаи
В некоторых случаях избыточные белые поля никак не хотят "уйти" — например, из-за эффектов тени или антиалиасинга. Что делать в такой ситуации:
- Настройте обрезку в Pillow: используйте
ImageOps.expand
передgetbbox()
в борьбе с антиалиасингом. - Настройте порог в matplotlib: используйте параметр
extent
или выполните ручную обрезку. - Тестируйте: проводите тестовые проверки, визуально осматривая результаты или используя сравнение изображений.
Полезные материалы
- Обрезка белых полей с помощью Pillow – Stack Overflow — обсуждение различных способов обрезки белых полей;
- Модуль ImageOps – документация Pillow (форк PIL) 10.2.0 — важная информация о работе с методами обрезки изображений в Pillow;
- Python PIL | Метод Image.crop() – GeeksforGeeks — подробное пошаговое руководство по использованию метода Image.crop() в PIL Python;
- Многомерный массив (ndarray) — Руководство NumPy v1.26 — глубокое погружение в возможности NumPy для работы с многомерными массивами;
- Обработка изображений в Python с помощью Pillow — вводное руководство по обработке изображений в Python;
- Удаление белых полей вокруг сохранённого изображения – Stack Overflow — ещё одно обсуждение о том, как удалить избыточные белые поля вокруг изображений с применением matplotlib.