Python、Numpy、OpenCV——创建修改后的（同样快的）“addWeighted”函数

我正在用 python 编写一个程序，该程序使用的函数与addWeightedopenCV 中的函数。不同之处在于，它实际上并不添加表示图像的 numpy 数组，而是采用在任何特定坐标处更亮的像素并使用该值。

然而，我发现，尽管这些函数做的事情非常相似，addWeighted功能要快得多。所以我的问题是，如何修改当前的解决方案以同样快？有什么办法我可以使用multiprocessing模块，或者类似的东西？

这是代码：

image = np.zeros(image_1.shape)
for row_index, row in enumerate(image_1):
     for col_index, col in enumerate(row):
          pixel_1 = image_1[row_index, col_index]
          pixel_2 = image_2[row_index, col_index]
          sum_1 = int(pixel_1[0]) + int(pixel_1[1]) + int(pixel_1[2])
          sum_2 = int(pixel_2[0]) + int(pixel_2[1]) + int(pixel_2[2])

          if sum_2 > sum_1:
               image[row_index, col_index] = pixel_2
          else:
               image[row_index, col_index] = pixel_1

Where image_1 and image_2都是表示图像的 numpy 数组，两者具有相同的形状(720, 1280, 3).

一种矢量化方法是 -

mask = image_2.astype(int).sum(-1) > image_1.astype(int).sum(-1)
out = np.where(mask[...,None], image_2, image_1)

Steps :

• 转换成intdtypes，沿最后一个轴求和并执行逐元素比较。这会给我们一个面具。

• Use np.where有了这个掩码，扩展到相同的编号。的暗淡作为输入数组来进行选择。这采用了以下概念：NumPy broadcasting https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html以矢量化方式进行选择。所以，值得好好看看。

注意：或者，我们也可以使用keepdims=True保留号码。求和时的暗淡，从而避免在下一步中扩展暗淡。