两种图像透明背景转特定颜色方法的比较

之前写过一篇博客，关于透明背景转换为特定颜色，当时使用了NumPy数组采用布尔索引转换的方式，这次我们把这种转换和常规的逐像素转换的方式进行比较，看那种方法效率更高。记得以前使用Matlab的时候，显然是矩阵布尔索引的方式会有更高的效率，不知道Python是否也一样。

代码实现：

python 复制代码

def transparent2bgra_color1(img, bgra_color=(255, 255, 255, 255)):
    """
    将图像中的透明区域替换为指定的BGRA颜色。
    
    参数:
    img: 输入的BGRA格式图像，其中A通道为透明度。
    bgra_color: 替换透明区域的颜色，默认为白色（255, 255, 255, 255）。
    
    返回:
    返回替换透明区域后的图像。
    """
    # 为了避免原图像发生改变，创建一个副本进行操作
    res = img.copy()
    # 将图像中透明度为0的区域替换为指定的BGRA颜色
    res[img[:, :, 3] == 0] = bgra_color
    return res

def transparent2bgra_color2(src, bgra_color=(255, 255, 255, 255)):
    """
    将图片中的透明部分替换为指定的BGRA颜色。
    
    参数:
    src: 输入的图片，应为BGRA格式。
    bgra_color: 替换透明部分的颜色，默认为白色（255, 255, 255, 255）。
    
    返回:
    替换透明部分后的图片。
    """
    # 复制输入图片，避免修改原图
    img=src.copy()
    # 获取图片的宽度和高度
    sp=img.shape  
    width=sp[0]  
    height=sp[1]  
    # 遍历图片的每个像素点
    for yh in range(height):
        for xw in range(width):
            # 获取当前点的颜色数据
            color_d=img[xw,yh]  
            # 检查当前点的透明度，如果完全透明，则替换颜色
            if(color_d[3]==0):  
                img[xw,yh]=bgra_color  
    # 返回处理后的图片
    return img

效率对比测试

使用Benchmark，我们可以测试这两种方法的性能，代码如下：

python 复制代码

import pytest
import cv2

def transparent2bgra_color1(img, bgra_color=(255, 255, 255, 255)):
    """
    将图像中的透明区域替换为指定的BGRA颜色。
    
    参数:
    img: 输入的BGRA格式图像，其中A通道为透明度。
    bgra_color: 替换透明区域的颜色，默认为白色（255, 255, 255, 255）。
    
    返回:
    返回替换透明区域后的图像。
    """
    # 为了避免原图像发生改变，创建一个副本进行操作
    res = img.copy()
    # 将图像中透明度为0的区域替换为指定的BGRA颜色
    res[img[:, :, 3] == 0] = bgra_color
    return res

def transparent2bgra_color2(src, bgra_color=(255, 255, 255, 255)):
    """
    将图片中的透明部分替换为指定的BGRA颜色。
    
    参数:
    src: 输入的图片，应为BGRA格式。
    bgra_color: 替换透明部分的颜色，默认为白色（255, 255, 255, 255）。
    
    返回:
    替换透明部分后的图片。
    """
    # 复制输入图片，避免修改原图
    img=src.copy()
    # 获取图片的宽度和高度
    sp=img.shape  
    width=sp[0]  
    height=sp[1]  
    # 遍历图片的每个像素点
    for yh in range(height):
        for xw in range(width):
            # 获取当前点的颜色数据
            color_d=img[xw,yh]  
            # 检查当前点的透明度，如果完全透明，则替换颜色
            if(color_d[3]==0):  
                img[xw,yh]=bgra_color  
    # 返回处理后的图片
    return img

img = cv2.imread('dog.png', cv2.IMREAD_UNCHANGED)

@pytest.mark.parametrize("input_data", [img])
def test_trans_color1(benchmark, input_data):
    res = benchmark(transparent2bgra_color1, input_data)
    assert (667, 1000, 4) == res.shape

@pytest.mark.parametrize("input_data", [img])
def test_trans_color2(benchmark, input_data):
    res = benchmark(transparent2bgra_color2, input_data)
    assert (667, 1000, 4) == res.shape

结果

显然，Python也与Matlab类似，在数组（包括矩阵）的运算当中，布尔索引的方式具有更高的执行效率。