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。将灰度图像I1中每个像素的L1、L2、…、L8分别用二值图像I2的L1、L2、……、L8替换，用numpy对计算进行优化，保存替换后的8个图像

以下是实现代码：

import numpy as np
import cv2

# 读取灰度图
img_gray = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# 获取灰度图的高和宽
height, width = img_gray.shape

# 将每个像素的灰度值转换为二进制字符串
bin_img = np.unpackbits(img_gray.reshape(-1, 1), axis=1)

# 将二进制字符串转换为整数数组
bin_img = bin_img.reshape(height, width, 8)
bin_img = np.flip(bin_img, axis=2)

# 读取二值图像
img_binary = cv2.imread('binary.png', cv2.IMREAD_GRAYSCALE)

# 将二值图像转换为二进制字符串
bin_mask = np.unpackbits(img_binary.reshape(-1, 1), axis=1)

# 将二进制字符串转换为整数数组
bin_mask = bin_mask.reshape(height, width, 8)
bin_mask = np.flip(bin_mask, axis=2)

# 替换每个像素的灰度值
for i in range(8):
    img_gray[:, :, i] = np.where(bin_mask[:, :, i], bin_img[:, :, i], img_gray[:, :, i])

# 保存替换后的8个图像
for i in range(8):
    cv2.imwrite(f'output{i+1}.jpg', img_gray[:, :, i])

解释一下代码：

首先，我们使用OpenCV读取输入的灰度图像。然后，我们使用numpy中的`unpackbits`函数将每个像素的灰度值转换为8位二进制字符串。为了方便，我们将每个像素的二进制字符串保存在一个3D数组`bin_img`中，其中第一维表示行，第二维表示列，第三维表示每个像素的8位二进制字符串。

接下来，我们使用类似的方法读取二值图像，并将每个像素的值转换为8位二进制字符串。同样地，我们将这些二进制字符串保存在一个3D数组`bin_mask`中。

接下来，我们使用一个循环遍历每个像素的8位二进制字符串。对于每个字符串，我们使用numpy中的`where`函数将二值图像中为1的位置替换为灰度图像中对应像素的二进制字符串中的值。最终，我们得到了替换后的8个图像。

最后，我们使用OpenCV的`imwrite`函数保存这些图像。