Qt高性能绘图库QIm——实现二维三维科学绘图

Vibe Coding------Qt高性能绘图库QIm

这个项目80%都是AI干活，工具是OpenCode + Oh-My-Openagent，主力模型是glm-5.1 + kimi-k2.5 + qwen3.6

目前我的主力ai工具是qwen code+qwen3.7-max

项目地址：

https://github.com/czyt1988/QIm

https://gitee.com/czyt1988/qim

在 Qt 里做高性能数据可视化目前只有两种选择：QCustomPlot 和 Qwt（Qt Charts性能完全不在一个量级），这两个库该有的2D功能都有，文档也算齐全，有降采样算法支撑百万点绘制，但QCustomPlot是GPL协议，你的项目使用也要使用GPL协议，Qwt协议和性能都比QCustomPlot好，但不够美观，所以目前我也针对Qwt进行了改进，可参考:Qwt 7.0 新特性介绍 --- 更现代、更强大的Qt数据可视化库。

在Qwt项目中，有一个Issues，提出了Qt另一种高性能绘图的方案：基于Dear ImGui的 ImPlot,它是MIT协议、GPU 加速、即时模式渲染，支持多种绘图，还有3D版的ImPlot3D,目前用于游戏引擎、调试工具

在了解后今年过年的时候自己上手试了发现的确效果很好，但它也有一些问题，主要是ImGui的编程范式跟 Qt 开发者习惯的保留模式差的较远，和Qt的信号槽对接需要做较多的工作，于是我就把它进行二次封装，形成了QIm这个库

QIm 做的事很简单：把 ImGui 生态里 ImPlot 和 ImPlot3D 用 Qt 开发者最熟悉的方式包装起来。

具体来说，就是把 ImGui 的绘图函数用渲染节点进行抽象，整个渲染过程就是对渲染树的遍历，每个节点有对应的开始渲染和结束渲染方法，节点之间会有父子关系，也能更好的匹配ImGui的begin/end方法。同时ImGui 属性映射为 Q_PROPERTY，交互事件通过 Qt 信号槽传递。这样就不需要学 ImGui 那一套即时模式的写法，直接用最熟悉的 Qt 范式就能构建高性能的数据可视化图表

下面是一些效果图

通过QIm，你能在任意窗口嵌入ImPlot/ImPlot3D，实现数据可视化

从即时模式到保留模式

原生 ImGui 的写法是下面这样的，------这段代码在OpenGL的paintGL函数里，每帧都要完整跑一遍：

cpp 复制代码

if (ImGui::Begin("Window")) {
    if (ImPlot::BeginPlot("Plot")) {
        ImPlot::PlotLine("sin", x.data(), y.data(), n);
        ImPlot::EndPlot();
    }
    ImGui::End();
}

你会发现你没办法"持有"一个绘图对象。每次渲染都得重新声明，属性不能持久保存，也没有信号通知你数据变了。

QIm 把这套逻辑换成了面向对象加对象树的方式,把各种功能封装成QIm**Node：

cpp 复制代码

auto window = new QImWidgetNode(root);
window->setWindowTitle("Window");

auto plot = new QImPlotNode(window);  
plot->setTitle("Plot");

auto line = new QImPlotLineItemNode(plot);// 自动成为 plot 的子节点,等效plot->addChildNode(line)
line->setData(x, y);                  // 设置数据
line->setColor(Qt::red);              // 属性直接使用Qt的类

这么一换，ImGui 的每帧声明变成了 Qt 开发者最熟悉的样子。对象树自动管理生命周期------父节点析构时子节点跟着销毁，不用你操心内存。

对象树是核心设计

QIm 里万物皆节点。每个图表元素都是一个 QImAbstractNode 的子类，通过父子关系组织成树：

复制代码

QImFigureWidget (顶层 QWidget)
├── QImSubplotsNode (子图布局)
│   ├── QImPlotNode (2D 子图)
│   │   ├── QImPlotLineItemNode (折线)
│   │   ├── QImPlotScatterItemNode (散点)
│   │   ├── QImPlotAxisInfo (坐标轴)
│   │   └── QImPlotLegendNode (图例)
│   └── QImPlot3DNode (3D 子图)
│       ├── QImPlot3DSurfaceItemNode (曲面)
│       └── QImPlot3DAxisInfo (坐标轴)

这套结构带来的好处：

子节点顺序就是渲染顺序，控制 Z-Order 非常直接
如果想加自定义组件，只要继承 QImAbstractNode，实现 beginDraw() 和 endDraw() 就行
树遍历由基类搞定，你只关心自己的渲染逻辑

Qt 生态集成

QIm 虽然底层是 ImGui，但对外暴露的接口完全是 Qt 风格的。每个节点的属性变更都通过 Q_PROPERTY 暴露，NOTIFY 信号会在值变化时自动发射：

cpp 复制代码

auto line = new QIM::QImPlotLineItemNode(plot);
line->setLabel("Channel A");

connect(line, &QIM::QImPlotLineItemNode::labelChanged, this, [](const QString& name) {
    qDebug() << "Label changed to:" << name;
});

如果你用过 Qt 的属性动画框架或者样式表，你会发现这套机制配合起来很自然------因为 QIm 的属性本身就是 Qt 的标准 Q_PROPERTY。

QImFigureWidget 是一站式的绘图窗口，继承自 QOpenGLWidget，开箱即用：

cpp 复制代码

auto figure = new QIM::QImFigureWidget(this);
figure->setSubplotGrid(2, 2);  // 2x2 子图布局

auto plot1 = figure->createPlotNode();    // 2D 子图
auto plot2 = figure->createPlot3DNode();  // 3D 子图

2D 绘图：12 种图表类型，6 条坐标轴

QIm 目前已经封装了 ImPlot 上你能用到的所有主流图型。折线图、散点图、阶梯图这些基础的不说了，柱状图（包括分组柱状）、饼图、热力图、二维直方图、填充区域、误差棒、茎叶图......你大概率需要的都有

每种子图支持最多 6 条坐标轴（x1/y1/x2/y2/x3/y3），坐标轴范围约束有 Always（刚性锁定）和 Once（首次自适应）两种模式。轴标签、刻度、网格线、图例这些细节都能精细控制

也支持ImPlot里的各种鼠标操作事件

3D 绘图

三维这块封装了 ImPlot3D，支持曲线图、散点图、曲面图、曲面网格、三角剖分、四边形、图像贴图、文本标注。曲面图内置了 Viridis、Plasma、Inferno 等科学配色方案，做热力分布、地形高程这种场景都能满足。

交互方式和 ImPlot3D 原生一致：

左键拖拽平移视角
右键拖拽旋转视角
滚轮或中键缩放
右键双击重置旋转

简单的代码演示

QIm 环境要求：CMake 3.15+，C++17，Qt 5.14+（需要 Core、Gui、Widgets、OpenGL）。Qt 6 的话额外加一个 OpenGLWidgets。

编译安装直接CMake：

bash 复制代码

mkdir build && cd build
cmake -S . -B build -G "Visual Studio 16 2019" -A x64 -DCMAKE_PREFIX_PATH="C:/Qt/6.7.3/msvc2019_64"
cmake --build build --config Release
cmake --install .

项目直接通过find_package集成：

cmake 复制代码

find_package(QT NAMES Qt6 Qt5 COMPONENTS Core REQUIRED)
find_package(Qt${QT_VERSION_MAJOR} COMPONENTS Core Gui Widgets OpenGL REQUIRED)
if(${QT_VERSION_MAJOR} EQUAL 6)
    find_package(Qt${QT_VERSION_MAJOR} COMPONENTS OpenGLWidgets REQUIRED)
endif()
find_package(QIm REQUIRED)

target_link_libraries(your_app PRIVATE
    QIm::Core
    QIm::Widgets
)

30 行代码就能跑起来一个 2x1 子图的窗口：

cpp 复制代码

#include <QImFigureWidget.h>

class MainWindow : public QMainWindow {
    Q_OBJECT
public:
    MainWindow(QWidget* parent = nullptr) : QMainWindow(parent) {
        auto figure = new QIM::QImFigureWidget(this);
        setCentralWidget(figure);
        figure->setSubplotGrid(2, 1);

        // 子图 1：二次曲线
        auto plot1 = figure->createPlotNode();
        plot1->addLine({0, 1, 2, 3, 4}, {0, 1, 4, 9, 16}, "二次曲线");

        // 子图 2：正弦 + 余弦
        auto plot2 = figure->createPlotNode();
        plot2->setLegendEnabled(true);
        std::vector<double> x2 = {0, 1, 2, 3, 4};
        std::vector<double> sin_y, cos_y;
        for (double v : x2) {
            sin_y.push_back(std::sin(v));
            cos_y.push_back(std::cos(v));
        }
        plot2->addLine(x2, sin_y, "sin(x)")->setColor(Qt::red);
        plot2->addLine(x2, cos_y, "cos(x)")->setColor(Qt::blue);
    }
};

大数据量的处理：降采样 + SIMD 加速

超过 50 万点的场景，不管哪个渲染引擎都得降采样。你的屏幕只有一千多个像素宽，但数据可能有上百万个点------绝大多数点都挤在同一个像素列里互相重叠，GPU 却在拼命渲染那些永远不可能被眼睛分辨的点。QCustomPlot和Qwt都提供了降采样算法，其中QCustomPlot是默认开启，Qwt是需要手动指定，这就是导致好多人使用感觉QCustomPlot性能比Qwt好的原因，实测同样开启降采样，Qwt性能好于QCustomPlot

ImPlot在大数据量渲染也会有很大压力，如果不启用降采样，大数据量下的渲染性能还不如开启了降采样的Qwt和QCustomPlot（CPU）

很可惜的是ImPlot并没有内置降采样算法，为了解决超大规模点渲染问题，QIm 内置了两套降采样算法：LTTB 和 MinMaxLTTB

LTTB（Largest Triangle Three Buckets）是时序数据降采样里公认视觉保真最好的。它的思路是：把数据分成桶，对每个桶选一个点------选那个与前后桶构成"面积最大三角形"的点。面积越大意味着偏离直线插值越远，也就是视觉上最"醒目"的点------峰值、谷值、拐点都被优先保留

MinMaxLTTB 是 LTTB 的加速版，思路是在每个桶里先用极值查找筛出一批候选点，再在这些候选点上做 LTTB 的面积选择。因为候选点通常只有原始点数的 1/2 到 1/4，面积计算量大幅减少，视觉质量和纯 LTTB 几乎没有区别

不过 MinMaxLTTB 里面还有一个瓶颈------极值查找（argmin/argmax）本身是个标量循环：逐个比较，一次处理一个 double，只用了现代 CPU 计算能力的 1/4。为此专门为极值查找进行了CPU指令集优化

SIMD 加速

QIm 为此专门实现了一个 SIMD 加速的极值查找模块 QImSimdArgMinMax，在一条遍历里同时找出最小值和最大值。核心思路是用 CPU 的 SIMD 寄存器一次处理多个 double（这是最新C++26标准才提出的std::simd的内容）：

执行路径	SIMD 宽度	覆盖 CPU	加速比
AVX2	4 doubles/条指令	2013年后的 x86（Haswell+）	3-5x
SSE4.2	2 doubles/条指令	2010年后的 x86（几乎全部）	2-3x
标量	1 double/条指令	兜底	1x

运行时通过 CPUID 检测当前 CPU 支持的指令集，用函数指针锁定最优路径。同一个 exe 在老 CPU 上走标量、在新 CPU 上走 AVX2，不需要分发多个版本

每条折线可以单独设置降采样算法和阈值：

cpp 复制代码

line->setDownsampleAlgorithm(QIM::QImDownsampleAlgorithm::MinMaxLTTB);
line->setDownsampleThreshold(20000);  // 超过 2 万点自动触发

默认的 Auto 模式会根据数据量自动选择------小于 1 万点不降采样，1 万到 10 万用 LTTB，超过 10 万自动切到 MinMaxLTTB 走 SIMD 加速路径

性能：跟 QCustomPlot 和 Qwt 对比

这是我个人电脑的测试结果，我个人电脑是一个小mini主机，配置一般，集成显卡，在100万点的实时刷新模式下，QIm比Qwt和QCustomplot最优的性能还快3倍

系统信息

项目	值
操作系统	Windows 11 Version 25H2
CPU	12th Gen Intel® Core™ i7-1260P (16 核)
内存	32536 MB
GPU	Intel® Iris® Xe Graphics
显存	未知
OpenGL	4.6.0 - Build 30.0.101.3111
屏幕	2560x1440
磁盘	Unknown
Qt	6.7.3 (runtime: 6.7.3)
编译器	MSVC 1929

测试选项

降采样: 可配置渲染是否开启降采样，三个库都支持降采样
OpenGL: 配置是否开启OpenGL加速，主要针对Qwt和QCustomPlot

下面只放100万点的测试结果，专门的对比测试我会专门一个文档里介绍

1M（100万）数据点测试结果

开启降采样

库	设置时间 (ms)	渲染时间 (ms)	FPS	内存 (MB)	OpenGL	降采样
QIm	6.00	16.84	59.3824	64.04	✓	✓
Qwt	7.00	44.14	22.6552	20.22	×	✓
Qwt(OpenGL)	7.00	153.92	6.4969	91.92	✓	✓
QCustomPlot	45.00	45.60	21.9298	20.83	×	✓
QCustomPlot(OpenGL)	42.00	50.48	19.8098	31.32	✓	✓

Qwt和QCustomplot都提供了OpenGL加速，但实际加速效果一般

不开启降采样

库	设置时间 (ms)	渲染时间 (ms)	FPS	内存 (MB)	OpenGL	降采样
QIm	7.00	85.50	11.6959	658.96	✓	×
Qwt	7.00	125.12	7.9923	21.30	×	×
Qwt(OpenGL)	9.00	140.50	7.1174	47.56	✓	×
QCustomPlot	44.00	179.46	5.5723	20.80	×	×
QCustomPlot(OpenGL)	44.00	174.98	5.7149	38.64	✓	×

完整测试代码在 benchmark/performance 目录下，不同GPU有不同的结果，我的电脑GPU较弱，CPU较强，得出的结果，如果你的电脑GPU强的话，QIm的表现会更强

从上面的测试也能看出，降采样在提升绘图性能起了至关重要的作用

当前进展和已知限制

2D 方面目前 Line、Scatter、Stairs、Bars、BarGroups、Shaded、ErrorBars、Stems、InfLines、PieChart、Text、Dummy、Histogram、Heatmap、Histogram2D、Digital、Image 都已经完成。3D 方面 Line、Scatter、Surface、Mesh、Triangle、Quad、Image、Text 都已可用。

主流的图表类型基本都覆盖了，剩下的主要是些补充性的功能，QML 集成还在计划中。

已知的限制主要有三个：

字体不能随便用，需要先 AddFontFromFileTTF 加载字体文件
不支持虚线、点划线这样的线型（这里受限于ImGui,目前最新版已经提供，ImPlot正在规划中）
内存开销比 Qwt/QCustomPlot 大（架构特性决定的）

虽然这个项目80%的活都是AI完成，但能做好的前提是我做了20%的框架搭建和约束制定，后面有空会讲讲大型项目AI Coding的一些经验

项目地址：

https://github.com/czyt1988/QIm

https://gitee.com/czyt1988/qim

欢迎 Star、Issue、PR。如果你正在找一个高性能、Qt 原生的绘图方案，不妨试试。

Qt高性能绘图库QIm——实现二维三维科学绘图

Vibe Coding------Qt高性能绘图库QIm

从即时模式到保留模式

对象树是核心设计

Qt 生态集成

2D 绘图：12 种图表类型，6 条坐标轴

3D 绘图

简单的代码演示

大数据量的处理：降采样 + SIMD 加速

SIMD 加速

性能：跟 QCustomPlot 和 Qwt 对比

系统信息

测试选项

1M（100万） 数据点测试结果

开启降采样

不开启降采样

当前进展和已知限制

1M（100万）数据点测试结果