您的图像似乎代表了分割或标记的类别，因此显得灰白了，通常少于256个类别。这样，每个像素只是一个标签（或类号），实际颜色在256个元素的表格（即调色板）中查找。

如果您不熟悉托盘图像，请看here。

因此，您不需要遍历所有1200万像素，而只需遍历只有256个元素的调色板...

#!/usr/bin/env python3

import sys
import numpy as np
from PIL import Image

# Load image
im = Image.open('image.png')

# Check it is palettised as expected
if im.mode != 'P':
    sys.exit("ERROR: Was expecting a palettised image")

# Get palette and make into Numpy array of 256 entries of 3 RGB colours
palette = np.array(im.getpalette(),dtype=np.uint8).reshape((256,3))

# Name our colours for readability
purple = [128,64,128]
white  = [255,255,255]
black  = [0,0]

# Go through palette,setting purple to white
palette[np.all(palette==purple,axis=-1)] = white

# Go through palette,setting anything not white to black
palette[~np.all(palette==white,axis=-1)] = black

# Apply our modified palette and save
im.putpalette(palette.ravel().tolist())
im.save('result.png')

这需要290毫秒，包括加载和保存图像。

如果要处理成千上万张图像，并且您使用的操作系统还不错，则可以使用 GNU Parallel 。更改以上代码以接受作为图像名称的命令行参数，并将其另存为recolour.py，然后使用：

parallel ./recolour.py {} ::: *.png

它将使您CPU上的所有CPU内核都处于繁忙状态，直到它们全部处理完毕为止。

关键字：图像处理，Python，Numpy，PIL，Pillow，调色板，getpalette，putpalette，类，分类，标签，标签，标签图像。

如果您愿意使用NumPy，则可以大大提高像素处理速度：

from PIL import Image
import numpy as np

# Open PIL image
im = Image.open('path/to/your/image.png').convert('RGBA')

# Convert to NumPy array
pixels = np.array(im)

# Get logical indices of all white and purple pixels
idx_white = (pixels == (255,255)).all(axis=2)
idx_purple = (pixels == (128,128,255)).all(axis=2)

# Generate black image; set alpha channel to 255
out = np.zeros(pixels.shape,np.uint8)
out[:,:,3] = 255

# Set white and purple pixels to white
out[idx_white | idx_purple] = (255,255)

# Convert back to PIL image
im = Image.fromarray(out)

该代码生成所需的输出，并且在我的计算机上花费大约1秒，而您的循环代码需要33秒。

希望有帮助！