Python OpenCV高效复制非黑像素 优化全景图像拼接运行速度

核心优化思路是替换Python层面的逐像素循环，使用OpenCV+Numpy的向量化操作实现批量像素赋值。你原代码的性能瓶颈完全来自Python原生循环的开销，6000×6000分辨率下的两层Python循环会带来极大的性能损耗，改用底层C实现的向量运算可以把耗时降低到原版本的1%以下。

具体实现步骤 #

• 生成非零掩码：将img2转为灰度图，灰度值大于0的位置即为所有存在有效颜色的像素，和你原代码img2[i][j].any() > 0的判断逻辑完全一致。
• 批量掩码赋值：利用Numpy的布尔索引特性，直接将img2中掩码为真的所有像素批量赋值给img1的对应位置，不需要任何层级的Python循环。

你需要拼接的前景图：

拼接目标底图：

优化后代码 #

无循环最优版本（推荐） #

import cv2
import numpy as np

# 生成非零像素掩码
gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
mask = gray_img2 > 0
# 批量赋值替换所有img2非零位置的img1像素
img1[mask] = img2[mask]

保留进度打印的版本 #

如果你需要保留原有进度打印的逻辑，可以使用按行向量化处理的版本，性能也远高于原逐像素实现：

import cv2
import numpy as np

gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
total_rows = img2.shape[0]

if showall or showsome:
    for i in range(total_rows):
        if i % (int(total_rows/4)-1) == 0:
            print(f"{xa}%...")
            xa += 25
        row_mask = gray_img2[i] > 0
        if row_mask.any():
            img1[i][row_mask] = img2[i][row_mask]

带边缘平滑融合的进阶版本 #

如果需要更自然的全景拼接边缘过渡效果，可以对掩码做高斯模糊后使用copyTo接口实现半透明融合：

mask = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
# 对掩码做高斯模糊，实现边缘平滑过渡，卷积核尺寸可根据需求调整
mask = cv2.GaussianBlur(mask, (5, 5), 0)
img2.copyTo(img1, mask)

内容的提问来源于stack exchange，提问作者RoyalChef