我正在寻找一种更快的方法来应用一个自定义函数到一个图像，我用来删除蓝色背景。我有一个函数可以计算出每个像素与背景中蓝色的距离。带有循环的原始代码如下所示：def dist_to_blue(pix):

rdist = 76 - pix[0]

gdist = 150 - pix[1]

bdist = 240 - pix[2]

return rdist*rdist + gdist*gdist + bdist*bdist

imgage.shape #outputs (576, 720, 3)

for i, row in enumerate(image):

for j, pix in enumerate(row):

if dist_to_blue(pix) < 12000: image[i,j] = [255,255,255]

然而，对于这个相对较小的图像，此代码需要大约8秒的时间来运行。我一直在尝试使用numpy的“vectorize”函数，但这会将该函数单独应用于每个值。但是我想做的每一个像素aka不扩展z/rgb维度

我提出的唯一改进是将for循环替换为以下内容：

m = np.apply_along_axis(lambda pix: (255,255,255) if dist_to_blue(pix) < 12000 else pix, 2, image)

只需7秒，速度仍然非常缓慢。有没有我遗漏的东西可以加快执行时间