我正在寻找一种更快的方法来将自定义函数应用于图像,我用它来删除蓝色背景。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,此代码大约需要 8 秒才能运行。我一直在尝试使用 numpy 的“向量化”函数,但这将该函数单独应用于每个值。但是我想对每个像素执行此操作,即不扩展 z/rgb 维度
我提出的唯一改进是将 for 循环替换为以下内容:
m = np.apply_along_axis(lambda pix: (255,255,255) if dist_to_blue(pix) < 12000 else pix, 2, image)
其运行时间约为 7 秒,仍然慢得令人痛苦。我是否缺少一些东西可以将其加快到合理的执行时间