python - 用网格排列的线图覆盖matplotlib imshow

我想在图像上绘制一些曲线
使用此代码，我相当接近：

G=plt.matplotlib.gridspec.GridSpec(64,1)
fig = plt.figure()
plt.imshow(img.data[:,:],cmap='gray')
plt.axis('off')
plt.axis([0,128,0,64])
for i in arange(64):
    fig.add_subplot(G[i,0])
    plt.axis('off')
    # note that vtc.data.shape = (64, 128*400=51200)
    # so every trace for each image pixel is 400 points long
    plt.plot(vtc.data[i,:])
    plt.axis([0, 51200, 0, 5])

我得到的结果是这样的：
问题是，虽然我似乎能够去除水平（x）方向上的所有填充，但图像和垂直方向上的堆叠图中的填充量不同。
我试着用

ax = plt.gca()
ax.autoscale_view('tight')

但这也没有降低利润率。
我怎样才能得到一个m乘n的线图网格，与一个放大（按f因子）的具有尺寸（fm）乘（fn）的图像精确对齐？
更新和解决方案：
“RutgerKassies”的答案非常有效我是这样用他的代码实现的：

fig, axs = plt.subplots(1,1,figsize=(8,4))
axs.imshow(img.data[:,:],cmap='gray', interpolation='none')
nplots = 64
fig.canvas.draw()
box = axs._position.bounds
height = box[3] / nplots
for i in arange(nplots):
    tmpax = fig.add_axes([box[0], box[1] + i * height, box[2], height])
    tmpax.set_axis_off()
    # make sure to get image orientation right and
    tmpax.plot(vtc.data[nplots-i-1,:],alpha=.3)
    tmpax.set_ylim(0,5)
    tmpax.set_xlim(0, 51200)

最佳答案

我认为最简单的方法是使用“imshow轴”的边界来手动计算所有“lineplot轴”的边界：

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(1,1,figsize=(15,10))

axs.imshow(np.random.rand(50,100) ,cmap='gray', interpolation='none', alpha=0.3)

nplots = 50

fig.canvas.draw()

box = axs._position.bounds
height = box[3] / nplots

for i in arange(nplots):

    tmpax = fig.add_axes([box[0], box[1] + i * height, box[2], height])
    tmpax.set_axis_off()

    tmpax.plot(np.sin(np.linspace(0,np.random.randint(20,1000),1000))*0.4)
    tmpax.set_ylim(-1,1)

上面的代码看起来不错，但我确实有一些问题与自动缩放切断部分情节试着去掉最后一行看看效果，我不知道为什么会这样。