如何在opencv中模拟短路

Question

我正在尝试检查二进制图像（模板）是否包含在另一个图像（源）中。为此，我首先开始做这样的事情：

（它是一个类似于 python 的伪代码，但我对正确的技术比对语言实现更感兴趣）

#this code runs once at startup
template_nonzero = count_nonzero(template)

#this code is run inside a function
mask = bitwise_and(template, source)
is_contained = count_nonzero(mask) == template_nonzero

然后我意识到我可以通过避免 count_nonzero:

来加快速度

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

这段代码比第一个代码快了将近 3 倍。我现在想知道 opencv 中是否存在短路和运算符这样的东西，如果 bitwise_and 对所有白色像素为真或在发现第一个错误操作时为假，则 return 为真。这样我就不必在 bitwise_and.

中对整个图像使用 xor 甚至运行

有什么想法吗？

编辑：

我忘了说我什至试过这段代码，但是使用 xor 比使用 ==:

快一点

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

Answer 1

我最终找到了解决方案。我在 python 中实现了短路和操作，结果比 cv2.bitwise_and 后跟 cv2.bitwise_xor 慢很多。但是后来我使用 numba 预编译了那个函数，我最终得到了一个运行速度比 cv2 快 4 倍的函数。这是代码：

@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

如何在opencv中模拟短路

How to simulate short circuit and in opencv

python

c++

opencv

bitwise-and