如何快速抠出前景，遍历像素太慢了

for x in range(self.image.shape[0]):
    # 图片的高
    for y in range(self.image.shape[1]):
        # 图片的宽
        point = np.array([y,x], dtype="int")
        point = tuple(np.int0(point))
        if cv2.pointPolygonTest(self.cnt_max2, point, False) <= 0:
        self.image[x,y]=[0,0,0]

遍历图像所有的点，把最大轮廓外面的点(背景)置黑，以达到扣出前景的目的，代码有没有什么毛病，为什么特别慢，要十几二十秒才能出来，还只有640*480，要是几百万像素的，岂不是要运行两三分钟，有木有更快的算法呢

利用np.where改进重心法检测
xy=np.where(blank_bg < 10)
listx=list(xy)[0] #行
listy=list(xy)[1] #列
point_x = np.sum(listy)/len(listy)
point_y = np.sum(listx)/len(listx)
使用np的内置函数可以大幅提高程序的运行效率。这里使用np.where来替换掉两个for循环。
np.where返回的是一个元组，n维数组的输入会返回n维元组。对图像来说，输入为二维数组（像素坐标为二维），因此返回值为2维元组，如下所示：
(array([509, 509, 509, ..., 766, 766, 766], dtype=int64), array([337, 338, 339, ..., 380, 381, 382], dtype=int64))
这个2维元组的第一个数表示满足条件的行坐标，第二个数表示满足条件的列坐标。这样就通过np.where替代了两层for循环。之后便可以根据返回的结果对像素进行操作。实测下来，该部分运行时间是0.003秒，运行效率提高了421倍。

本身你这个算法就不是很好，网上查找相关的库吧

这个程序写的，唉。两重 for 循环，加上条件分支调用 cv2，不慢才怪呢。

建议你先用 reshape, 再用 numpy 条件筛选, 就把两重 for 循环都取消了。

你都有轮廓了为什么还要去遍历？直接用mask覆盖一下就行，或者用位运算与一下

mask = np.zeros((img.shape[0],img.shape[1]),dtype=np.uint8)
mask = cv2.drawContours(mask, self.[cnt_max2], -1, (255), -1, 8)  # 绘制轮廓区域制作mask
#一种用copyTo获得
out=cv2.copyTo(img,mask=mask)
#一种直接用位运算获取
out=image&mask

用OpenCV库就很简单

for x in range(self.image.shape[0]):
# 图片的高
for y in range(self.image.shape[1]):
# 图片的宽
point = np.array([y,x], dtype="int")
point = tuple(np.int0(point))
if cv2.pointPolygonTest(self.cnt_max2, point, False) <= 0:
self.image[x,y]=[0,0,0]

双重 for 循环加上条件分支调用 cv2，会很慢