在Python中更改像素颜色：如何更快？

我有一个RGB图像，并试图将RGB上的每个像素设置为黑色，其中相应的alpha像素也是黑色的。所以我基本上是想把阿尔法“烘焙”到我的RGB中。 我使用PIL pixel access对象、PIL ImageMath.eval和numpy数组尝试了这一点：

PIL像素访问对象：

def alphaCutoutPerPixel(im): pixels = im.load() for x in range(im.size[0]): for y in range(im.size[1]): px = pixels[x, y] r,g,b,a = px if px[3] == 0: # If alpha is black... pixels[x,y] = (0,0,0,0) return im def alphaCutoutPerPixel（im）： 像素=im.load（） 对于范围内的x（im.尺寸[0]）： 对于范围内的y（im.尺寸[1]）： px=像素[x，y] r、 g，b，a=px 如果px[3]==0:#如果alpha是黑色的。。。 像素[x，y]=（0,0,0,0） 返回即时消息 PIL ImageMath.eval：

def alphaCutoutPerBand(im): newBands = [] r, g, b, a = im.split() for band in (r, g, b): out = ImageMath.eval("convert(min(band, alpha), 'L')", band=band, alpha=a) newBands.append(out) newImg = Image.merge("RGB", newBands) return newImg def alphaCutoutPerBand（im）： 纽班兹=[] r、 g，b，a=im.split（） 对于频带输入（r、g、b）： out=ImageMath.eval（“转换（最小值（波段，α），‘L’”，波段=波段，α=a） newBands.append（out） newImg=Image.merge（“RGB”，newBands） 返回newImg Numpy阵列：

def alphaCutoutNumpy(im): data = numpy.array(im) r, g, b, a = data.T blackAlphaAreas = (a == 0) # This fails; why? data[..., :-1][blackAlphaAreas] = (0, 255, 0) return Image.fromarray(data) def alphaCutoutNumpy（im）： 数据=numpy.array（im） r、 g，b，a=data.T 黑色字母区域=（a==0） #这是失败的；为什么？ 数据[…，：-1][blackAlphaAreas]=（0,255,0） 返回Image.fromarray（数据） 第一种方法工作得很好，但速度非常慢。第二种方法适用于单个图像，但当要求转换多个图像时，将在第一种方法之后停止。我基于此示例创建的第三种方法（第一个答案）： 但在标记的命令处失败：

data[..., :-1][blackAlphaAreas] = (0, 255, 0, 0)
IndexError: index (295) out of range (0<=index<294) in dimension 0

数据[…，：-1][blackAlphaAreas]=（0,255,0,0）
索引器错误：索引（295）超出范围（0这不使用高级索引，但更易于阅读，imho:

def alphaCutoutNumpy(im):
    data = numpy.array(im)
    data_T = data.T
    r, g, b, a = data_T
    blackAlphaAreas = (a == 0)
    data_T[0][blackAlphaAreas] = 0
    data_T[1][blackAlphaAreas] = 0
    data_T[2][blackAlphaAreas] = 0
    #data_T[3][blackAlphaAreas] = 255
    return Image.fromarray(data[:,:,:3])

切片语法很简单：
数据[x1:x2，y1:y2，z1:z2，…]
是一个n-D切片，其中数据是n-D矩阵，x，y，z，…是维度（逗号分隔），1是起始索引，2是结束索引（中间有冒号）。没有索引意味着无限限制（也就是说，没有下限意味着从头到尾，没有上限意味着从头到尾）。谢谢你的解释Lee！没问题。负索引也从结尾开始。如果你索引
数据[：-1]
你将访问从第一个到第二个到最后一个元素的视图。如果你索引
数据[：-1]
你将访问翻转数组（第二个冒号后面的-1翻转视图，这也意味着您需要索引如下：
data[max:min:-1]
）。试着在解释器中使用小数组。太棒了，罗伯特，谢谢！工作得很好，比第一个PIL方法快30-40%。我本来希望获得更好的速度增益，但这很好。请注意：我认为我的索引器源于“数据”的顺序不同于“BlackAreaAlpha”，即（行x列）和其他（列x行）。