Python 向多维numpy数组添加计算值元素的快速方法

我有一个numpy数组“image”，它是一个二维数组，其中每个元素有两个组件。我想将其转换为另一个二维数组，其中每个元素有三个组件。前两个和由前两个计算出的第三个，如下所示：

for x in range(0, width):
    for y in range(0, height):
        horizontal, vertical = image[y, x]

        annotated_image[y, x] = (horizontal, vertical, int(abs(horizontal) > 1.0 or abs(vertical) > 1.0))

此循环的工作原理与预期相同，但与其他numpy函数相比速度非常慢。对于中等大小的图像，这需要不可接受的30秒

---

是否有不同的方法进行相同的计算，但速度更快？不必保留原始图像阵列。

您只需分离图像的组件，然后处理多个图像即可：

image_component1 = image[:, :, 0]
image_component2 = image[:, :, 1]

result = (np.abs(image_component1) > 1.) | (np.abs(image_component2) > 1.)

如果出于某种原因需要指定的布局，还可以构建另一个三维图像：

result = np.empty([image.shape[0], image.shape[1], 3], dtype=image.dtype)

result[:, :, 0] = image[:, :, 0]
result[:, :, 1] = image[:, :, 1]
result[:, :, 2] = (np.abs(image[:, :, 0]) > 1.) | (np.abs(image[:, :, 1]) > 1.)

---

您可以只分离图像的组件，然后处理多个图像：

image_component1 = image[:, :, 0]
image_component2 = image[:, :, 1]

result = (np.abs(image_component1) > 1.) | (np.abs(image_component2) > 1.)

如果出于某种原因需要指定的布局，还可以构建另一个三维图像：

result = np.empty([image.shape[0], image.shape[1], 3], dtype=image.dtype)

result[:, :, 0] = image[:, :, 0]
result[:, :, 1] = image[:, :, 1]
result[:, :, 2] = (np.abs(image[:, :, 0]) > 1.) | (np.abs(image[:, :, 1]) > 1.)

---

太棒了，正是我想要的！太棒了，正是我想要的！