plot-from-image

根据图片绘图

通过分析图片并利用积累的样式知识，复现论文图表。

工作流

1. 测量比例

python3 -c "from PIL import Image; img=Image.open('fig.png'); print(img.size, f'AR={img.size[0]/img.size[1]:.2f}')"

设置 figsize=(FW, FH)，使 FW/FH 与原图的 AR 完全一致。

2. 匹配现有样式

检查图表是否符合预置样式（最快的方式）：

图表类型	检查项
分组／成对柱状图	bar_paired_delta 或 bar_grouped_hatch
带阴影带的折线图	line_confidence_band
带断轴线或参考线的折线图	line_training_curve
损失曲线 + 局部放大图	line_loss_with_inset
散点簇	scatter_tsne_cluster
x 轴断轴图	scatter_broken_axis
多边形网格图	radar_dual_series

如果匹配 → 阅读 ../plot-from-data/references/<name>.md 获取精确参数 → 修改 ../plot-from-data/scripts/<script>.py。

3. 如果不匹配 → 从头分析

阅读 references/reproduction_guide.md，了解完整的分析检查清单，涵盖：

• 字体系列检测（衬线字体还是无衬线字体，是否使用 LaTeX）
• 轴脊和刻度样式（L 形、四边、箭头、朝内／朝外）
• 颜色识别（tab10 还是自定义）
• 网格样式（虚线、点线、无）
• 特殊元素（嵌入图、断轴、雷达网格、注释框）

4. 构建并迭代

Write script → python3 <script>.py → visually compare → fix proportions/colors → re-run

关键迭代检查清单：

• AR 与原图一致（用 PIL 测量）
• 字体系列正确（LaTeX 论文使用衬线字体，系统字体使用无衬线字体）
• 颜色与原图的 RGB 偏差在 ±10 以内
• 轴脊样式一致（L 形还是四边）
• 刻度方向一致（朝内还是朝外）
• 网格样式一致
• 图例位置一致
• 注释／标签位置一致

积累的经验

从 7 篇论文中复现的 9 幅图表中，总结出以下经验：

• 平滑训练曲线：绘图前使用 alpha=0.95-0.97 的 EMA，而不是原始噪声数据
• 雷达图标签：label_r = 1.10-1.15（不要用 1.2 以上的值，否则会产生过多留白）
• 嵌入图：测量原图左右面板的像素比例 → 据此设置 add_axes 的宽度
• 断轴图：使用两个子图，设置 wspace=0.05，断轴符号仅置于底部轴脊
• t-SNE 注释框：统一使用深色边框 #2C3E50，面填充色使用簇颜色，alpha=0.28
• 置信带：使用 fill_between，设置 alpha=0.18-0.22，颜色与折线相同

资源

• 分析指南：references/reproduction_guide.md — 新图片的逐步检查清单
• 样式库：../plot-from-data/references/ — 8 个预置样式参数文件
• 脚本模板：../plot-from-data/scripts/ — 8 个可用的复现脚本
• 原图：../originals/ — 开发过程中使用的论文图表