plotly / plotly/plotly.py

DPI metadata of PNG export should change with scale or be adjustable

Offen
#4,015 1 Kommentar 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

feature P3
Vorherrschende Sprache
Python
Sterne
18.8k
Forks
2.8k
Ø Merge
16 Std. 26 Min.
Gemergte PRs (30 T.)
21

Beschreibung

I export a figure as a png using write_image:

  fig.update_layout(width=300).write_image("test_1.png", scale=1)

Opening this image in another program, the width of the image is 3.125 inches corresponding to a DPI of 96.

If I instead export an image with a different scale, e.g. 2
fig.write_image("test_2.png", scale=2)
I get a png file with a scaled pixel width (e.g. 600).
But opening the image in another program, the width in inches is also doubled to 6.25.

The ideal behavior IMO would be that the width of the image in inches is unaffected by the scale parameter or having a dpi keyword argument that sets the DPI metadata directly.
A workaround (which others might find useful) is to use Pillow to fix the DPI metadata

  from PIL import Image
  scale = 2
  Image.open("test_2.png").save("test_2_fixed.png", dpi=(96 * scale, 96 * scale))

such that the image defaults to the same size in inches in other programs independent of the scale.

Beitragsleitfaden

Beitragsleitfaden öffnen

Erste Schritte

  1. Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
  3. Forke das Repository und arbeite in einem Branch.
  4. Öffne einen Pull Request, der die Issue-Nummer nennt.

Rechercherichtung

Beginne beim Python-Exportpfad write_image und vergleiche die mit scale=1 und scale=2 erzeugten PNG-Metadaten. Überprüfe die resultierenden physischen Abmessungen in einem anderen Bildprogramm; abgeschlossen ist die Aufgabe, wenn das Skalieren der Pixel die physische Größe nicht mehr verändert oder eine dpi-Option die gewünschte Kontrolle über die Metadaten bietet.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
python
Bereich
data-visualization
Issue-Typ
Feature
Schwierigkeit
4/5
Geschätzter Aufwand
3-5 Tage
Aktivitätsstatus
Veraltet
Klarheit
Größtenteils klar
Anfängerfreundlichkeit
45/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.