解决方案是：

pylab.savefig('foo.png')

如前所述，您可以使用：

import matplotlib.pyplot as plt
plt.savefig("myfig.png")

用于保存您正在显示的任何IPhython图像。或者换个角度（从不同的角度看），如果你曾经使用过open cv，或者你已经导入了open cv的话，你可以去：

import cv2

cv2.imwrite("myfig.png",image)

但这只是为了以防万一，如果您需要使用OpenCV。否则plt.savefig（）就足够了。

嗯，我确实建议使用包装器来渲染或控制绘图。示例可以是mpltex(https://github.com/liuyxpp/mpltex)或prettyplotlib(https://github.com/olgabot/prettyplotlib).

import mpltex

@mpltex.acs_decorator
def myplot():
  plt.figure()
  plt.plot(x,y,'b-',lable='xxx')
  plt.tight_layout(pad=0.5)
  plt.savefig('xxxx')  # the figure format was controlled by the decorator, it can be either eps, or pdf or png....
  plt.close()

我基本上经常使用这个装饰器在美国化学学会、美国物理学会、美国光学学会、Elsivier等各种期刊上发表学术论文。

示例如下图所示(https://github.com/MarkMa1990/gradientDescent):

根据问题Matplotlib（pyplot）savefig输出空白图像。

有一点需要注意：如果您使用plt.show，并且它应该在plt.savefig之后，否则您将给出一个空白图像。

详细示例：

import numpy as np
import matplotlib.pyplot as plt


def draw_result(lst_iter, lst_loss, lst_acc, title):
    plt.plot(lst_iter, lst_loss, '-b', label='loss')
    plt.plot(lst_iter, lst_acc, '-r', label='accuracy')

    plt.xlabel("n iteration")
    plt.legend(loc='upper left')
    plt.title(title)
    plt.savefig(title+".png")  # should before plt.show method

    plt.show()


def test_draw():
    lst_iter = range(100)
    lst_loss = [0.01 * i + 0.01 * i ** 2 for i in xrange(100)]
    # lst_loss = np.random.randn(1, 100).reshape((100, ))
    lst_acc = [0.01 * i - 0.01 * i ** 2 for i in xrange(100)]
    # lst_acc = np.random.randn(1, 100).reshape((100, ))
    draw_result(lst_iter, lst_loss, lst_acc, "sgd_method")


if __name__ == '__main__':
    test_draw()

只是一个额外的注释，因为我还不能评论帖子。

如果您使用的是plt.savefig（'myfig'）或类似行，请确保在保存图像后添加plt.clf（）。这是因为savefig不会关闭绘图，如果在没有plt.clf（）的情况下添加到绘图，则会添加到上一个绘图。

你可能不会注意到你的情节是否与之前的情节相似，但如果你在循环中保存你的数字，情节将慢慢变得庞大，并使你的脚本变得非常缓慢。

如果您不喜欢“当前”数字的概念，请执行以下操作：

import matplotlib.image as mpimg

img = mpimg.imread("src.png")
mpimg.imsave("out.png", img)