Tkinter GUI 中實時更新的 Blitting - 性能和圖像重疊問題

Question

我有一些關於 blitting matplotlib 圖的問題，它本身嵌入在 Tkinter GUI 中 - 整個程序最終將在 Raspberry Pi 上運行。 問題涉及多個層面，這是我的第一個問題，如有不明白之處，請提前見諒。

簡而言之，我正在做的是：我正在使用 Tk GUI 來同時讀取多個傳感器，並且我希望對所述 GUI 上的傳感器數據進行一些實時更新。 我希望將每個可測量的數量放在一個單獨的框架上，這就是我決定為每個 Sensor 設置一個類的原因。 其中一個傳感器是流量傳感器，其讀出和繪制如下：

import Tkinter as Tk
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime

from matplotlib.figure import Figure
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

from Backend import Backend  #self written data acquisition handler  

#global variables
t0 = datetime.now() #start time of program

#Returns time difference in seconds
def time_difference(t1, t2):
    delta = t2-t1
    delta = delta.total_seconds()
    return delta

# Define Class for Flow data display
class FlowFig():
    def __init__(self, master): #master:Parent frame for plot
        #Initialize plot data
        self.t = []
        self.Flow = []

        #Initialize plot for FlowFig
        self.fig = plt.figure(figsize=(4,4))
        self.ax = self.fig.add_subplot(111)
        self.ax.set_title("Flow Control Monitor")
        self.ax.set_xlabel("Time")
        self.ax.set_ylabel("Flow")
        self.ax.axis([0,100,0,5])
        self.line = self.ax.plot(self.t, self.Flow, '-')

        #Set up canvas
        self.canvas = FigureCanvasTkAgg(self.fig, master = master)
        self.canvas.show()
        self.background = self.canvas.copy_from_bbox(self.ax.bbox)
        self.ax.grid(True)

        # Initialize handler for data aqcuisition
        self.Data= Backend() 
        self.Data.initialize()

    #update figure
    def update(self):
        # get new data values
        self.t.append(time_difference(t0, datetime.now()))
        Flow,_,_ = self.Data.get_adc_val(1)
        self.Flow.append(Flow)

        # shorten data vector if too long
        if len(self.t) > 200:
            del self.t[0]
            del self.Flow[0]

        #adjust xlims, add new data to plot
        self.ax.set_xlim([np.min(self.t), np.max(self.t)])
        self.line[0].set_data(self.t, self.Flow) 

        #blit new data into old frame
        self.canvas.restore_region(self.background)
        self.ax.draw_artist(self.line[0])
        self.canvas.blit(self.ax.bbox)
        root.after(25, Flowmonitor.Flowdata.update) #Recursive update

#Flow Frame of GUI
class FlowPage(Tk.Frame):
    def __init__(self, parent, controller):
        Tk.Frame.__init__(self,parent)    
        self.parent = parent    
        self.FlowPlot = FlowFig(self)
        self.FlowPlot.canvas.get_tk_widget().grid(row=0, column=0, rowspan=9, columnspan=9)

# Mainloop
root= Tk.Tk()
root.rowconfigure(0, weight=1)
root.columnconfigure(0, weight=1)

Flowmonitor = FlowPage(root, root)
Flowmonitor.grid(row =0, column=0, rowspan =10, columnspan=10)
Flowmonitor.rowconfigure(0, weight=1)
Flowmonitor.columnconfigure(0, weight=1)

root.after(25, Flowmonitor.FlowPlot.update)
root.mainloop()

使我對生成的圖像感到困擾的是：當我使用語句copy_from_bbox(self.ax.bbox)我得到了這樣的圖形 顯然，blitted 背景的大小不適合 blitted 的圖像。 所以，我試圖做塊圖中的BBOX代替（ copy_from_bbox(self.fig.bbox)並得到了這個發生與所有組合這些變化的版本fig.bbox和ax.bbox ，

所以我的實際問題來了：

1. 任何人都可以幫我找到上面代碼中導致不匹配的錯誤嗎？ 我知道這可能是非常簡單但微妙的錯誤。 它似乎與此線程非常相關，但我無法將其粘合在一起，在copy_from_bbox()的參數中使用bbox.expanded() copy_from_bbox()並沒有太大區別

2. .blit()與.draw()已經在這里討論過。 但是由於速度對我的應用程序至關重要，所以我想我必須使用 blit。 重繪繪圖的幀速率為 fps=10，而 blitting 運行速度快了近 10 倍。 在任何情況下 - 有沒有辦法在使用 blit 時更新其中一個軸（例如時間軸）？ （這個答案可能與問題1密切相關）

3. 最后，關於我的應用程序的一個相當基本的問題是：由於我的傳感器數據目前是在一個無限的遞歸循環中獲取的 - 是否可以並行運行多個這樣的循環，或者我應該改用線程，使我的代碼變得更加復雜? 運行無限遞歸循環的風險是什么？ 或者一般應該避免這些？

經過幾天的 blitting 來回，我對 ax/fig blitting 的可能性感到很困惑，因此非常感謝有關此事的任何幫助^^ 如果您需要有關任何內容的更多信息，請告訴我，我希望我能很好地說明了我的問題。

非常感謝你的幫助！

Answer 1

我知道這是一個老問題，但我看到它從未解決過，所以我想我會展示解決方案：

簡而言之：解決方案

這是用 Python3 編寫的，但在您的 Python2 版本中應該幾乎完全相同

import tkinter as Tk
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime

from matplotlib.figure import Figure
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

# from Backend import Backend  #self written data acquisition handler  
import random

#global variables
t0 = datetime.now() #start time of program

#Returns time difference in seconds
def time_difference(t1, t2):
    delta = t2-t1
    delta = delta.total_seconds()
    return delta

# Define Class for Flow data display
class FlowFig():
    def __init__(self, master): #master:Parent frame for plot
        #Initialize plot data
        self.t = []
        self.Flow = []

        #Initialize plot for FlowFig
        self.fig = plt.figure(figsize=(4,4))
        self.ax = self.fig.add_subplot(111)
        self.ax.set_title("Flow Control Monitor")
        self.ax.set_xlabel("Time")
        self.ax.set_ylabel("Flow")
        self.ax.axis([0,100,0,5])
        self.line = self.ax.plot(self.t, self.Flow, '-')

        #Set up canvas
        self.canvas = FigureCanvasTkAgg(self.fig, master = master)
        self.canvas.draw()
        self.ax.add_line(self.line[0])
        self.background = self.canvas.copy_from_bbox(self.ax.bbox)
        self.ax.grid(True)

        # # Initialize handler for data aqcuisition
        # self.Data= Backend() 
        # self.Data.initialize()

    #update figure
    def update(self):
        # get new data values
        self.t.append(time_difference(t0, datetime.now()))
        Flow = random.uniform(1, 5)
        self.Flow.append(Flow)

        # shorten data vector if too long
        if len(self.t) > 200:
            del self.t[0]
            del self.Flow[0]

        #adjust xlims, add new data to plot
        self.ax.set_xlim([np.min(self.t), np.max(self.t)])
        self.line[0].set_data(self.t, self.Flow) 

        #blit new data into old frame
        self.canvas.restore_region(self.background)
        self.ax.draw_artist(self.line[0])
        self.canvas.blit(self.ax.bbox)
        self.canvas.flush_events()
        root.after(1,self.update)

#Flow Frame of GUI
class FlowPage(Tk.Frame):
    def __init__(self, parent, controller):
        Tk.Frame.__init__(self,parent)    
        self.parent = parent    
        self.FlowPlot = FlowFig(self)
        self.FlowPlot.canvas.get_tk_widget().grid(row=0, column=0, rowspan=9, columnspan=9)

# Mainloop
root= Tk.Tk()
root.rowconfigure(0, weight=1)
root.columnconfigure(0, weight=1)

Flowmonitor = FlowPage(root, root)
Flowmonitor.grid(row =0, column=0, rowspan =10, columnspan=10)
Flowmonitor.rowconfigure(0, weight=1)
Flowmonitor.columnconfigure(0, weight=1)

root.after(25, Flowmonitor.FlowPlot.update)
root.mainloop()

變化

轉移到python3

我搬家了

import Tkinter as Tk

到

import tkinter as Tk

模擬您的adc值

我搬家了

from Backend import Backend

到

import random

因為我無法訪問Backend ，所以我只使用了一個隨機數生成器（顯然它不是 ADC 讀數的最佳示例，但對於測試人員來說已經足夠了）

設置畫布

我搬家了

self.canvas = FigureCanvasTkAgg(self.fig, master = master)
self.canvas.show()
self.background = self.canvas.copy_from_bbox(self.ax.bbox)
self.ax.grid(True)

到

self.canvas = FigureCanvasTkAgg(self.fig, master = master)
self.canvas.draw()
self.ax.add_line(self.line[0])
self.background = self.canvas.copy_from_bbox(self.ax.bbox)
self.ax.grid(True)

您必須首先draw()畫布，否則matplotlib將拋出錯誤AttributeError: draw_artist can only be used after an initial draw which caches the renderer 。 然后，我們現在添加self.line ，其中沒有值。 目前它只是坐在畫布上的一個空點。

模擬ADC

從：

Flow,_,_ = self.Data.get_adc_val(1)

到

Flow = random.uniform(1, 5)

顯然，您可以為此保留自己的代碼

循環after

您使用after函數的系統並不完全正確，因為您應該從預先存在的窗口繼承Flowmonitor.Flowdata 。 否則，您將更新根本不存在的值，因此，我將其替換為self. 功能

root.after(25, Flowmonitor.Flowdata.update) 

到

self.canvas.flush_events()
root.after(1,self.update)

我減少了after值，以表明窗口可以在更快地繼續正確繪圖時繼續！ flush_events()函數使窗口正確更新並跟蹤它正在做的其他事情！

回答問題 3

我會徹底勸阻你不要走threading路線，因為tkinter很糟糕。 你必須跳過的問題和漏洞的數量是可怕的，而且很多時候，即使使用線程，程序仍然開始感覺很慢和反應遲鈍。