如何使用Numpy加速Python中OpenCV图像的循环？

目标是通过使用

numpy

中的内置函数来克服python中嵌套循环执行缓慢的问题

在下面的代码中，我使用

imread

（颜色：BGR）将图像读取到

src

（一个numpy数组）中，并分别为每种颜色定义阈值（BGR）。然后我逐像素循环

src

（对于

嵌套循环有两个
），在每次迭代中，我测试当前像素是否满足阈值（每个值有三个条件：蓝色、绿色和红色），在阳性情况下（像素满足条件），我将其坐标保存在列表中（行号：
i
，列号：
j
）

因此，我想知道如何使用
numpy
内置函数重写此代码，以受益于其速度？
您可以这样做：

a = np.array([[[1,2,3], [10,20,30]],
     [[40,50,60], [10, 30, 20]]
    ])

[*zip(*np.where((a > (10,20,30)).all(-1)))]

输出：

[(1, 0)]

注意：
np.where（（a>（10,20,30））.all（-1））
单独提供
[array（[1]）、array（[0]）]
，在某些情况下可能更好。
您可以这样做：

a = np.array([[[1,2,3], [10,20,30]],
     [[40,50,60], [10, 30, 20]]
    ])

[*zip(*np.where((a > (10,20,30)).all(-1)))]

输出：

[(1, 0)]

注意：
np.where（（a>（10,20,30））.all（-1））
单独提供的
[array（[1]）、array（[0]）]
在某些情况下可能更好