Python、Numpy、OpenCV——创建一个修改过的（同样快速的）“addWeighted”函数

Question

我正在用 python 编写一个程序，该程序使用的函数与 openCV 中的 addWeighted 函数非常相似。不同之处在于它实际上并没有添加表示图像的 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，但addWeighted 函数要快得多。所以我的问题是，我怎样才能修改我当前的解决方案以同样快？有没有办法可以使用multiprocessing 模块或类似的东西？

代码如下：

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

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

Answer 1

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)

步骤：

• 转换为int dtypes，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。

• 将此掩码与np.where 一起使用，扩展到相同的编号。暗淡作为输入数组进行选择。这采用了NumPy broadcasting 的概念以矢量化的方式进行选择。所以，这值得一看。

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。