如何使用 Numpy 加速 Python 中 OpenCV 图像的循环？

Question

目标是通过使用numpy的内置函数来克服 python 中嵌套循环执行缓慢的问题。

在下面的代码中，我将带有imread （颜色：BGR）的图像读取到src （一个 numpy 数组）中，并为每种颜色（分别为 BGR）定义了阈值。 然后我逐个像素地循环遍历src （有两个for嵌套循环），在每次迭代中我测试当前像素是否满足阈值（每个值的三个条件：蓝色、绿色和红色），在正情况下（像素满足条件）我将其坐标保存在列表中（行号： i ，列号： j ）。

import cv2

src = cv2.imread('path_to_the_image')   # A numpy array with shape: (width, height, 3) ["3" for BGR]

cond = [10, 20, 30]  # A threshold for each color: Blue, Green and Red respectively

indexes = []  # To save pixel's coordinates which satisfies all three conditions

for i in range(0, src.shape[0]):  # Loop over lines (width)
    for j in range(0, src.shape[1]):  # Loop over columns (height)
        if src[i, j, 0] >= cond[0] and src[i, j, 1] >= cond[1] and src[i, j, 2] >= cond[2]:
            indexes.append((i, j))

那么，我想知道如何使用numpy内置函数重写此代码以从其速度中​​受益？

Answer 1

你可以这样做：

a = np.array([[[1,2,3], [10,20,30]],
     [[40,50,60], [10, 30, 20]]
    ])

[*zip(*np.where((a > (10,20,30)).all(-1)))]

输出：

[(1, 0)]

注意： np.where((a > (10,20,30)).all(-1))单独会给你[array([1]), array([0])]在某些情况下可能会更好.