优化RGBA数组叠加运算（M1 Mac环境）

基础信息 #

• 待处理的两个RGBA数组A、B，形状均为(42, 28, 4)：
  • 42：y维度
  • 28：x维度
  • 4：RGBA通道
• 运行设备：2020款M1芯片、16GB内存的MacBook Air

当前实现与性能瓶颈 #

我希望通过以下逻辑实现逐像素Alpha的图像叠加，但当前速度偏慢——在基础数组上叠加250张图片耗时约20ms，需要优化（最好支持8位Alpha）：

def add(A, B):
    X = A.shape[1]
    Y = A.shape[0]
    alpha = A[..., 3] / 255

    B[..., :3] = blend(B[..., :3], A[..., :3], alpha.reshape(Y, X, 1))    

    return B

def blend(c1, c2, alpha):
    return np.asarray((c1 + np.multiply(c2, alpha))/(np.ones(alpha.shape) + alpha), dtype='uint8')

已尝试的优化方案及问题 #

• 使用cv2.addWeighted()：无法满足需求，该函数只能对整张图使用单一Alpha值，不支持逐像素控制

  # cv2.addWeighted() in add()
  ## 无效，因为它对整张图用统一Alpha，而我需要逐像素控制Alpha
  B = cv.addWeighted(A, 0.5, B, 0.5, 0)
  

• 用np.vectorize封装blend函数：速度极慢，正如文档所述，它本质只是循环实现

  # np.vectorize封装blend并在add中使用
  ## 速度极慢，文档说明它本质就是循环实现
  B[..., :3] = np.vectorize(blend)(A[..., :3], B[..., :3], A[..., 3] / 255)
  
  # 修改后的blend函数
  def blend(a, b, alpha):
      if alpha == 0:
          return b
      elif alpha == 1:
          return a
      
      return (b + a * alpha) / (1 + alpha)
  

• 将blend逻辑直接移入add函数：叠加效果异常，带Alpha时画面过暗

  # 将blend逻辑移到add函数中
  ## 叠加效果异常，带Alpha时画面过暗
  np.multiply(A, alpha.reshape(Y, X, 1)) + np.multiply(B, 1 - alpha.reshape(Y, X, 1))
  

其他尝试与需求 #

我还尝试过一些位运算操作，但无法理解其原理。另外，由于使用M1 Mac，若有Python结合MetalCompute的优化思路，也欢迎提供。

补充测试结果 #

Christoph Rackwitz提供了一套详尽的优化方案，我在M1设备上的测试结果如下：

2500 calls (numpy)       = 0.0807
2500 calls (other)       = 0.0833
2500 calls (Christoph´s) = 0.0037

内容的提问来源于stack exchange，提问作者Adril1n