如何使用OpenCV和Numpy通过掩码将前景图像叠加到背景图像上

你原有的逐像素遍历方案性能极低，用numpy掩码操作可以大幅简化代码、提升运行效率，核心逻辑是通过布尔掩码选中前景非透明（非0）区域，直接覆盖到背景对应位置即可。

注意事项 #

• 需保证前景图和背景图的尺寸完全一致，若尺寸不同需先通过cv2.resize()将前景缩放到匹配背景，或截取背景对应ROI区域再做叠加
• 你原有遍历代码存在轴索引错误：numpy数组的shape[0]对应高度（行索引）、shape[1]对应宽度（列索引），你原循环的i、j索引写反了，大图下会直接触发索引越界报错

优化后完整代码 #

import numpy as np
import cv2
import matplotlib.pyplot as plt

# 读取并转换为灰度图
background = cv2.imread("background.jpg")
foreground = cv2.imread("foreground.png")
foreground = cv2.cvtColor(foreground, cv2.COLOR_BGR2GRAY)
background = cv2.cvtColor(background, cv2.COLOR_BGR2GRAY)

# -------------- 掩码逻辑替换原有循环 --------------
# 生成布尔掩码：前景像素值不为0的位置标记为True（需要保留前景）
mask = foreground != 0
# 复制背景作为结果基底
res_im = background.copy()
# 掩码位置直接替换为前景像素值
res_im[mask] = foreground[mask]
# -------------------------------------------------

# 显示结果
plt.figure()
plt.imshow(res_im, cmap='gray', vmin=0, vmax=255)
plt.show()

逻辑说明 #

掩码操作是numpy的向量化运算，不需要走Python层的循环，性能比你原有遍历方案高几十到上百倍，图像越大提升越明显。核心就是用foreground != 0生成和图像尺寸一致的布尔矩阵，直接通过索引赋值完成替换，完全匹配你原有逻辑的效果。

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