沈阳公司网站设计,网站建设色系搭配,可以玩的网页游戏,牟长青 做网站推广的四个基本要点我正在寻找一种更快的方法来应用一个自定义函数到一个图像#xff0c;我用来删除蓝色背景。我有一个函数可以计算出每个像素与背景中蓝色的距离。带有循环的原始代码如下所示#xff1a;def dist_to_blue(pix):rdist 76 - pix[0]gdist 150 - pix[1]bdist 240 - pix[2]retu…我正在寻找一种更快的方法来应用一个自定义函数到一个图像我用来删除蓝色背景。我有一个函数可以计算出每个像素与背景中蓝色的距离。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*bdistimgage.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秒的时间来运行。我一直在尝试使用numpy的“vectorize”函数但这会将该函数单独应用于每个值。但是我想做的每一个像素aka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)只需7秒速度仍然非常缓慢。有没有我遗漏的东西可以加快执行时间
