我正在尋找一種更快的方法來應用一個自定義函數(shù)到一個圖像，我用來刪除藍色背景。我有一個函數(shù)可以計算出每個像素與背景中藍色的距離。帶有循環(huán)的原始代碼如下所示：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，對于這個相對較小的圖像，此代碼需要大約8秒的時間來運行。我一直在嘗試使用numpy的“vectorize”函數(shù)，但這會將該函數(shù)單獨應用于每個值。但是我想做的每一個像素aka不擴展z/rgb維度

我提出的唯一改進是將for循環(huán)替換為以下內(nèi)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，速度仍然非常緩慢。有沒有我遺漏的東西可以加快執(zhí)行時間

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的c语言中系统函数设定像素,在imag中对每个像素应用自定义函数的快速方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。