用值替换数组的numpy数组

我正在尝试转换数组的numpy数组。输入示例如下：

np.array（[[0,0,0]，[255,255,255]，[255,255]，[0,0,0]]，np.uint8）

我想用

[0,0,0]

值替换所有数组，用

0

替换

[255,255,255]

值替换

255

。我希望最终结果采用以下格式：

np.array（[[0,255]，[255,0]]，np.uint8）

数组将始终具有上述值，但大小不同

这是我为此创建的代码：

array_list=[]
对于输入图像中的行：
行列表=[]
对于第行中的项目：
如果np.数组_相等（项[0,0,0]）：
行列表。追加（0）
其他：
行列表。追加（255）
数组\列表。追加（行\列表）
输出图像=np.array（数组列表，np.uint8）

---

上面的代码对于大型数组来说非常慢，我想可能有一种方法可以直接用numpy实现这一点，尽管我找不到方法。对于如何更有效地执行此操作，您有什么建议吗？

对于要沿第三个轴减少的多维数组，您将显示哪些内容。这是一种常见的操作。但是，您希望如何处理其他值，例如

[1，128，32]

，或者甚至

[255，0，0]

？我没有任何其他值，因为我正在使用以下内容进行修复：

input\u image=np。其中（input\u image！=255，0，input\u image）

，这并不保证您没有将say

[255，0，255]

作为值。你打算如何处理这个问题？如果输入的是

a

，你可以使用

a[：，：，0]

，或者

a[…，0]

。是的，你是对的，我没有想到这一点，尽管这在我的应用程序中不会有问题。我只想将一些黑白图像转换为OpenCV的遮罩。只需取第三个轴的平均值。如果numpy是可以避免的，就不要重复它。它总是可以避免的。我唯一没有找到完全向量化的解决方案的时候，我想用不同的系数来解决多个同时最小二乘问题。

X_new = np.mean(X, axis=2)
X_new
array([[  0., 255.],
       [255.,   0.]])