如何优化Python图像像素读取？掩码图像合成性能优化咨询

原始代码通过嵌套循环逐个处理像素，效率极低，以下是几种高效优化方案：

方案一：使用PIL内置的paste方法（最简洁高效） #

利用PIL底层优化的paste方法，配合掩码直接批量粘贴目标区域，完全替代Python循环：

def overlay_images(original_path, mask_path, output_path):
    from PIL import Image
    import os

    # 确保原始图像为RGBA模式，支持透明背景
    original = Image.open(original_path).convert('RGBA')
    # 将掩码转为灰度图，方便后续作为paste的掩码参数
    mask = Image.open(mask_path).convert('L')

    # 调整掩码尺寸匹配原始图像，使用LANCZOS插值保证缩放质量
    if original.size != mask.size:
        mask = mask.resize(original.size, Image.Resampling.LANCZOS)

    # 创建透明背景的合成图像
    merged = Image.new('RGBA', original.size, (0, 0, 0, 0))
    # 仅在掩码的白色区域（灰度值255）粘贴原始图像
    merged.paste(original, mask=mask)

    output_filename = os.path.splitext(output_path)[0] + '.png'
    merged.save(output_filename, "PNG")

优化原理： #

• paste方法是PIL底层用C实现的批量操作，速度比Python循环快数十倍
• 灰度掩码的255值对应完全不透明粘贴，0值对应保留背景透明，正好匹配需求

方案二：使用NumPy向量化操作（适合复杂像素逻辑） #

将图像转为NumPy数组，利用数组的布尔索引批量处理像素，避免Python循环：

def overlay_images(original_path, mask_path, output_path):
    from PIL import Image
    import numpy as np
    import os

    original = Image.open(original_path).convert('RGBA')
    mask = Image.open(mask_path).convert('RGB')

    # 调整掩码尺寸
    if original.size != mask.size:
        mask = mask.resize(original.size, Image.Resampling.LANCZOS)

    # 转为NumPy数组，方便批量操作
    original_arr = np.array(original)
    mask_arr = np.array(mask)
    # 初始化透明背景的合成数组
    merged_arr = np.zeros_like(original_arr)

    # 生成白色区域的布尔掩码：RGB通道均为255的像素
    white_mask = (mask_arr[:, :, 0] == 255) & (mask_arr[:, :, 1] == 255) & (mask_arr[:, :, 2] == 255)
    # 批量复制原始图像的白色区域像素到合成数组
    merged_arr[white_mask] = original_arr[white_mask]

    # 转回PIL图像并保存
    merged = Image.fromarray(merged_arr)
    output_filename = os.path.splitext(output_path)[0] + '.png'
    merged.save(output_filename, "PNG")

优化原理： #

• NumPy数组操作是C级别的批量运算，避免了Python循环的性能开销
• 布尔索引可以快速定位所有目标像素，一次性完成复制操作

额外优化：处理非纯白的掩码区域 #

如果掩码存在灰色过渡区域，可以通过阈值快速将接近白色的像素转为纯白，使用PIL的point方法高效处理：

# 在掩码转灰度图后添加阈值处理，将亮度大于240的像素设为纯白，其余设为纯黑
mask = mask.convert('L').point(lambda x: 255 if x > 240 else 0)

内容的提问来源于stack exchange，提问作者Navin Chandra