python实现灰度图像每个像素的灰度值为1个字节（8位），按照从低到高记为L1、L2、…、L8。将图像I1中每个像素的L1、L2、…、L8分别用图像I2的替换，用numpy对计算进行优化

可以使用如下代码实现：

import cv2
import numpy as np

# 读取图像I1和I2
img1 = cv2.imread('I1.png', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('I2.png', cv2.IMREAD_GRAYSCALE)

# 将每个像素的灰度值拆分成8个二进制位
bits = np.unpackbits(img1, axis=1)

# 将I2中每个像素的灰度值也拆分成8个二进制位
bits2 = np.unpackbits(img2, axis=1)

# 将I2中每个像素的L1~L8替换为I1中对应像素的L1~L8
bits2 = np.concatenate((bits[:, :24], bits2[:, 24:]), axis=1)

# 将二进制位重新组合成灰度值
img2 = np.packbits(bits2, axis=1)

# 保存结果
cv2.imwrite('result.png', img2)

上述代码中，`np.unpackbits()`函数可以将每个像素的灰度值拆分成8个二进制位，返回一个形状为`(height, width, 8)`的数组。`np.concatenate()`函数将两个数组按列拼接起来，即将I2中每个像素的L1~L8替换为I1中对应像素的L1~L8。最后，`np.packbits()`函数将二进制位重新组合成灰度值。这种方式使用numpy进行计算，效率较高。