Python numpy：将图像遮罩与RGB组合以获得彩色图像遮罩

如何将二进制掩码图像数组（

this\u mask

-shape:4,4）与预定义的颜色数组（

mask\u color

，shape:3）组合起来

要获取新的彩色遮罩图像阵列（

此遮罩已上色

，形状：4,4,3）

我试过逐像素循环，当图像为225x225时，速度慢吗？最好的方法是什么

对于每个图像，我有多层遮罩，每个遮罩层需要有不同的预定义颜色

这可能有效：

    this_mask = np.array([
        [0,1,0,0],
        [0,0,0,0],
        [0,0,0,0],
        [0,0,0,0],
    ])
    mask_color = np.array([128, 128, 64])

    res = []
    for row in new:
        tmp = []
        for col in row:
            tmp.append(np.array([1,1,1]) * col)
        res.append(np.array(tmp))

    res = res * mask_color

对于每个条目，1将转换为[1,1,1]，0是[0,0,0]

我这样做是因为我想利用运算*（元素乘法）的优点

这项工作：

    test = np.array([[0, 0, 0],
                     [1, 1, 1],
                     [0, 0, 0],
                     [0, 0, 0]])

    test * np.array([128, 128, 64])

我们会找到的

    array([[  0,   0,   0],
           [128, 128,  64],
           [  0,   0,   0],
           [  0,   0,   0]])

我们想把所有的计算都放在numpy一边。所以我们循环遍历数组只是为了转换，其余的是为了numpy

---

对于一种遮罩颜色的255x255/1，需要0.2秒；对于1000x1000，需要2秒。下面的函数应该满足您的要求

def apply_mask_color(mask, mask_color):
    return np.concatenate(([mask[ ... , np.newaxis] * color for color in mask_color]), axis=2)

给定以下代码：

此_掩码=np.array([
[0,1,0,0],
[0,0,0,0],
[0,0,0,0],
[0,0,0,0],
])
mask_color=np.array（[128,128,64]）
应用=应用遮罩颜色（此遮罩，遮罩颜色）
打印（应用.形状）#（4,4,3）

需要注意的是，输出并不是您所期望的。相反，里面的每个元素现在都是一个三维数组，包含了用mask_color表示的rgb值

打印（应用）

输出：

[[[  0   0   0]
  [128 128  64]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]]

---

我想这才是你想要的。

谢谢！这很有效。我验证了：导入MatpTllb.PyPlice作为PLT PLT。IsSee（Apple）PLT。（）@ CHILLS，如果这是可行的，请考虑点击正确的答案，点击点击计数（勾选）旁边的投票计数。通过这种方式，作者获得了声誉分数，其他用户寻找的答案知道它是正确的和有效的，而其他考虑回答的人知道他们不需要担心。非常感谢。

def apply_mask_color(mask, mask_color):
    return np.concatenate(([mask[ ... , np.newaxis] * color for color in mask_color]), axis=2)

[[[  0   0   0]
  [128 128  64]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]]