Python 如何在opencv中模拟短路和短路

我试图检查二进制图像（模板）是否包含在另一个图像（源）中。为此，我首先做了如下工作：

（这是一个类似python的伪代码，但我对正确的技术比对语言实现更感兴趣）

然后我意识到我可以通过避免计数非零来加快速度：

mask = bitwise_and(template, source)
mask_against_template = bitwise_xor(template, mask)
is_contained = not mask_against_template.any()

此代码比第一个代码快近3倍。我现在想知道opencv中是否存在短路和运算符，如果按位_返回true，对于所有白色像素都是true，或者在找到第一个false操作时返回false。这样，我就不必使用xor，甚至不必以位和的方式运行整个图像

有什么想法吗

编辑：

我忘了提到我甚至试过这段代码，但是使用xor比使用==：要快一点

mask = bitwise_and(template, source)
mask_against_template = template == mask
is_contained = mask_against_template.all()

---

我最终找到了解决办法。我用python实现了短路和操作，结果比cv2.bitwise_慢很多，后面是一个cv2.bitwise_异或。但后来我用numba预编译了这个函数，最终得到了一个运行速度是cv2的4倍的函数。代码如下：

@numba.jit("b1(u1[:,:],u1[:,:])")
def is_template_in(template, image):
    for y in range(0, template.shape[0]):
        for x in range(0, template.shape[1]):
            if template[y][x] and not image[y][x]:
                return False
    return True

---

我最终找到了解决办法。我用python实现了短路和操作，结果比cv2.bitwise_慢很多，后面是一个cv2.bitwise_异或。但后来我用numba预编译了这个函数，最终得到了一个运行速度是cv2的4倍的函数。代码如下：

@numba.jit("b1(u1[:,:],u1[:,:])")
def is_template_in(template, image):
    for y in range(0, template.shape[0]):
        for x in range(0, template.shape[1]):
            if template[y][x] and not image[y][x]:
                return False
    return True

---

据我所知，OpenCV没有类似的功能，但是可以将std:：find_if与cv:：Mat迭代器和一个谓词一起使用，当满足条件时（在本例中，像素不是白色）返回true。它将在第一个真值处停止，并且只检查图像一次。如果全部为白色，它将返回迭代器end，您可以在它完成后对其进行比较。据我所知，OpenCV没有类似的功能，但您可以将std:：find_If与cv:：Mat迭代器一起使用，并在满足条件时返回true的谓词（在本例中，像素不是白色）。它将在第一个真值处停止，并且只检查图像一次。如果全部为白色，它将返回迭代器end，您可以在迭代器完成后进行比较。