基于NumPy实现图像彩色区域与灰度区域的高效分离

你现在的代码处理慢，完全是因为用了两层Python嵌套循环逐像素遍历。哪怕是普通1080P图像就有200多万个像素，Python原生循环每处理一个像素都要走一层对象调度，累计耗时自然会冲到10秒以上，完全没用到NumPy底层C实现的快速数组运算能力。

你现在的划分规则本质很简单：单个像素的三通道差值（最大值减最小值）大于5就算彩色，否则算灰度。这个规则根本不需要逐像素循环，直接用NumPy的向量化操作就能一次性跑完所有像素的计算：

• 你之前初始化两个全白输出图的代码可以完全保留，不需要改动
• 把整段嵌套循环替换成下面的代码就行：

# 沿RGB通道轴一次性算完所有像素的通道最大值、最小值
pxl_max = image.max(axis=-1)
pxl_min = image.min(axis=-1)
# 生成布尔掩码，标记每个像素的属性
is_colored = (pxl_max - pxl_min) > 5

# 按掩码填充对应区域，非对应位置保持初始的255白色
colored_segments[is_colored] = image[is_colored]
gray_elements[~is_colored] = image[~is_colored]

• 这套代码的判断逻辑和你原来的循环100%对齐，不会出现结果偏差
• 运行耗时会从数秒级降到毫秒级，哪怕处理4K分辨率的图像也不会有明显等待
• 后续如果想调整划分的宽松度，只要修改判断里的阈值数值（比如把5改成3或8）就行，不需要改动其他逻辑

内容的提问来源于stack exchange，提问作者Patrick