Python （scikit-image）：确定遮罩区域中最常见的颜色的最高性能方法

问：

我正在修改一个策略游戏，有两个RGB图像。一个在地图上定义省份区域，每个省份都是唯一的颜色。另一张图像定义了地图的地形。

我有一个 python 脚本，它通过检查每个省份最常见的地形颜色来比较这两个图像以确定每个省份的地形类型。

例如，我可能会检查颜色省份 （0， 0， 255），发现其区域在地形图上完全充满了草原像素。

我目前这样做的具体方式是这样的：

from skimage import io
import numpy

# Takes an RGB map of shape x, y, and colour channels, and converts it to a 2D array of shape x, y, where each item in the 2D array is an int referring to the colour
# it represents, as indexed in the returned unique colours list.
def get_inverse_map(map, to_tuples = True):
    original_map_shape = (map.shape[0], map.shape[1])
    flattened_map = map.reshape(-1, map.shape[2])
    unique_map_cols, first_occurances, map_inverses, index_counts = numpy.unique(flattened_map, return_index = True, return_inverse = True, return_counts = True, axis = 0)
    unflattened_inverse_map = map_inverses.reshape(original_map_shape)

    if to_tuples:
        unique_map_tuples = [tuple(col) for col in unique_map_cols]
        return unflattened_inverse_map, unique_map_tuples, index_counts
    else:
        return unflattened_inverse_map, unique_map_cols, index_counts


province_map = io.imread(self.province_map_dir)
terrain_map = io.imread(self.terrain_map_dir)

inverse_province_map, unique_province_cols = get_inverse_map(province_map)[ : 2]
inverse_terrain_map, unique_terrain_cols = get_inverse_map(terrain_map)[ : 2]

for p in unique_province_cols:
    province_mask = inverse_province_map == p
    province_terrain_pixels = inverse_terrain_map[province_mask]

    occurances = numpy.bincount(province_terrain_pixels)
    mode_index = numpy.argmax(occurances) # This is the most common index of the colours in the terrain map that occur within province_mask

1. 我将图像从 RGB 阵列（形状：x、x、3）转换为索引图（形状：x、x、1），以便更快地进行比较。
2. 我得到了一个我想评估的省份的面具。
3. 我获取了地形图中属于该省的像素 地图。
4. 我使用 bincount 和 argmax 来找到最常见的一个。

因为我不能总是保证一个省份的边界内只有一种地形颜色（有时我会在边缘上绘画），所以我需要找到最常见的颜色，而不仅仅是检查一个像素。

我在非常大的图像上执行此操作，因此尽管我使用索引图来加快速度，但仍然需要时间。大部分时间似乎都浪费了，大概是我不确定。get_inverse_mapnumpy.unique

有没有更快的方法可以解决这个问题？