python - 将自定义函数应用于图像中每个像素的快速方法

Question

我正在寻找一种更快的方法来将自定义函数应用于我用来删除蓝色背景的图像。我有一个函数可以计算每个像素与背景中大约蓝色的距离。带有循环的原始代码如下所示:

def dist_to_blue(pix):
    rdist = 76 - pix[0]
    gdist = 150 - pix[1]
    bdist = 240 - pix[2]
    return rdist*rdist + gdist*gdist + bdist*bdist

imgage.shape #outputs (576, 720, 3)
for i, row in enumerate(image):
    for j, pix in enumerate(row):
        if dist_to_blue(pix) < 12000: image[i,j] = [255,255,255]

然而，对于这个相对较小的图像，此代码需要大约 8 秒的时间才能运行。我一直在尝试使用 numpy 的“矢量化”函数，但该函数单独应用于每个值。但是我想对每个像素都这样做，也就是不扩展 z/rgb 维度

我提出的唯一改进是用以下内容替换 for 循环:

m = np.apply_along_axis(lambda pix: (255,255,255) if dist_to_blue(pix) < 12000 else pix, 2, image)

运行时间大约为 7 秒，这仍然非常慢。有没有我遗漏的东西可以将其加快到合理的执行时间

Answer 1

这应该会快一点……;)

import numpy as np 
blue = np.full_like(image, [76,150,250])
mask = np.sum((image-blue)**2,axis=-1) < 12000
image[mask] = [255,0,255]

在这里，您将生成理想的蓝色图像，逐个像素地计算图像差值的平方，然后在最后一个轴(rgb 向量)上求和，然后生成 mask 并使用它来修改原始图像中的值。