Python 从图像numpy数组中删除False/True的numpy数组

我有一个图像数组

img = [[[63  48  27]
  [ 63  48  27]
  [ 63  48  27]
  ...
  [117  88  70]
  [113  84  66]
  [111  82  64]]

 [[ 64  49  28]
  [ 64  49  28]
  [ 64  49  28]
  ...
  [117  88  70]
  [114  85  67]
  [111  82  64]]

 [[ 65  50  29]
  [ 66  51  30]
  [ 66  51  30]
  ...
  [118  89  71]
  [114  85  67]
  [111  82  64]]...

还有另一个像素数组，我想从图像数组中保留：

mask = [[[False False False ... False False False]
  [False False False ... False False False]
  [False False False ... False False False]
  ...
  [False False False ... False False False]
  [False False False ... False False False]
  [False False False ... False False False]]]

我以为我可以做

img[mask]

，但我得到

布尔索引与维度0上的索引数组不匹配；维度为549，但相应的布尔维度为1

。如何将掩码数组扩展回正确的维度，它来自将detectron2掩码转换为numpy数组

mask=outputs['instances'].pred_masks.numpy（）

（最初是张量）。或者，我认为这可能更容易，如果numpy掩码数组中的值是

False

，那么将图像数组中的元素转换为白色/255

我使用的函数是：

from matplotlib.image import imread
import scipy.misc


def cropper(org_image_path, mask_array, out_file_name):
    img = imread(org_image_path)
    output = img[mask_array]
    scipy.misc.toimage(output).save(out_file_name)

---

对于那些感兴趣的人来说，尼古拉斯的评论是一个有用的凹凸（谢谢）-只是将遮罩阵列更改为在同一轴上&相同的形状。然后只需简单的编辑即可更改值：

from matplotlib.image import imread
import scipy.misc
from PIL import Image  

def cropper(org_image_path, mask_array, out_file_name):
        img = imread(org_image_path)
        mask_array = np.moveaxis(mask_array, 0, -1)
        mask_array = np.repeat(mask_array, 3, axis=2)
        output = np.where(mask_array==False, 255, img)
        im = Image.fromarray(output)
        im.save(out_file_name)

---

对于那些感兴趣的人来说，尼古拉斯的评论是一个有用的凹凸（谢谢）-只是将遮罩阵列更改为在同一轴上&相同的形状。然后只需简单的编辑即可更改值：

from matplotlib.image import imread
import scipy.misc
from PIL import Image  

def cropper(org_image_path, mask_array, out_file_name):
        img = imread(org_image_path)
        mask_array = np.moveaxis(mask_array, 0, -1)
        mask_array = np.repeat(mask_array, 3, axis=2)
        output = np.where(mask_array==False, 255, img)
        im = Image.fromarray(output)
        im.save(out_file_name)

---

给定形状

（M，N，3）

的图像和形状

（1，M，N）

的遮罩，您可以使用简单的布尔索引将图像的

False

元素在所有通道中设置为255。广播在右边排列索引，索引在左边填充索引。这意味着要使遮罩与图像尺寸相对应，需要删除第一个轴。有多种方法可以做到这一点：

mask = mask[0]
mask = mask[0, ...]
mask = mask.squeeze()
mask = np.squeeze(mask)
mask = mask.reshape(mask.shape[1:])
mask = np.reshape(mask, mask.shape[1:])
...

在前两个维度匹配的情况下，您可以取消遮罩并执行直接赋值：

img[~mask] = 255

这可以组合成一个简单的单内衬：

img[~mask[0]] = 255

---

给定形状

（M，N，3）

的图像和形状

（1，M，N）

的遮罩，您可以使用简单的布尔索引将图像的

False

元素在所有通道中设置为255。广播在右边排列索引，索引在左边填充索引。这意味着要使遮罩与图像尺寸相对应，需要删除第一个轴。有多种方法可以做到这一点：

mask = mask[0]
mask = mask[0, ...]
mask = mask.squeeze()
mask = np.squeeze(mask)
mask = mask.reshape(mask.shape[1:])
mask = np.reshape(mask, mask.shape[1:])
...

在前两个维度匹配的情况下，您可以取消遮罩并执行直接赋值：

img[~mask] = 255

这可以组合成一个简单的单内衬：

img[~mask[0]] = 255

---

---

你能打印出他们的形状吗？img.shape=（549440，3）mask_array.shape=（1549440）你想知道如何将该遮罩应用到该图像上吗？@alan.elkin不，谢谢，我已经可以将遮罩应用到该图像上了，但我正试图从Nicolas的评论中返回图像的遮罩区域（没有遮罩），我猜我可以通过某种方式重塑面具阵列。重塑但不清楚如何打印出它们的形状？img.shape=（549440，3）mask_array.shape=（1549440）你想知道如何将面具应用于该图像吗？@alan.elkin不，谢谢，我已经可以将遮罩应用于图像，但我正试图从Nicolas的评论中返回图像的遮罩区域（不带遮罩），我猜我可以通过某种方式重塑遮罩阵列。重塑，但不清楚这与你的问题完全不同。请解释为什么不是？考虑到我写了这个问题，我确实知道我需要的输出。我确信是的，在这种情况下，你可能想考虑删除这个问题。我只是说你写的问题与答案不符。未来的读者也是如此。如果你根据网站规则更新问题，那完全是另一回事。在什么方面它与问题不符？我没有在手机上看到你的更新。很抱歉，这根本不是你要问的问题，请解释为什么不是？考虑到我写了这个问题，我确实知道我需要的输出。我确信是的，在这种情况下，你可能想考虑删除这个问题。我只是说你写的问题与答案不符。未来的读者也是如此。如果你根据网站规则更新问题，那完全是另一回事。在什么方面它与问题不符？我没有在手机上看到你的更新。很抱歉。