Python实现图像平均合成时为何无法向3D列表正确写入元素

你的代码故障是Python列表浅拷贝导致的：你初始化comp_img时所有像素都引用同一个列表对象，修改任意一个像素的通道值，整张图所有像素的对应通道都会同步修改，最终整张图变成统一的平均色，原本的64字样自然被完全抹除。

具体出问题的初始化逻辑：

• 你定义temp = [0,0,0,0]后，循环向comp_img追加的都是同一个temp的引用，整行的所有像素指向同一个列表
• 后续把整行模板赋值给temp，再循环追加给新的comp_img，最终整张图的所有像素都共享最开始的那一个[0,0,0,0]列表
• 三重循环赋值时，每次操作本质上都是覆盖所有像素的对应通道值，最终所有像素的数值都等于最后一个像素的计算结果，就得到了你看到的纯色图。

方案1：修改初始化逻辑，规避浅拷贝 #

初始化时每次生成新的独立列表，不要复用同一个temp对象，修改后的完整代码如下：

from PIL import Image
import numpy as np
from math import ceil

red = Image.open("64red.png")
grn = Image.open("64green.png")
width, height = red.size

# 初始化时每次生成新的列表，避免浅拷贝
comp_img = []
for row in range(height):
    row_data = []
    for pxl in range(width):
        row_data.append([0,0,0,0])
    comp_img.append(row_data)

reddata = np.asarray(red).tolist()
grndata = np.asarray(grn).tolist()

for row, elm in enumerate(reddata):
    for pxl, subelm in enumerate(elm):
        for vlu_index, vlu in enumerate(subelm):
            comp_img[row][pxl][vlu_index] = ceil((reddata[row][pxl][vlu_index] + grndata[row][pxl][vlu_index])/2)

output = np.array(comp_img, dtype=np.uint8)
outputImg = Image.fromarray(output)
outputImg.save("output.png")

方案2：直接使用numpy向量运算，性能大幅提升 #

你完全不需要将numpy数组转成Python列表写三重循环，numpy原生支持逐元素运算，代码更简洁，运行速度是三重循环的百倍以上：

from PIL import Image
import numpy as np

red = Image.open("64red.png")
grn = Image.open("64green.png")

red_arr = np.asarray(red)
grn_arr = np.asarray(grn)

# 等价于ceil((a + b)/2)的向量化实现，无需循环
comp_arr = ((red_arr + grn_arr + 1) // 2).astype(np.uint8)

outputImg = Image.fromarray(comp_arr)
outputImg.save("output.png")

你调试用的两张原图和错误输出如下图：

内容的提问来源于stack exchange，提问作者Zonk