Python Numpy：将二维索引数组转换为一维数组以进行交点计算

有一种情况，我需要在python中进行两个二进制图像数组的交集。理想情况下，我会很快做到这一点

---

Numpy有

intersect1d

功能，如果我能将坐标转换成单个元素，它将完成这项工作

现在（因为我知道我照片的尺寸），我通过使用乘法、求和、求交将所有内容转换成整数格式，然后使用类似的方法解包

def npimg_intersection(A,B):
    Aargwhere = np.argwhere(A==0)
    Bargwhere = np.argwhere(B==0)

    Aargwhere[:,0] = Aargwhere[:,0]*1000
    Aargwhere = np.sum(Aargwhere,axis=1)

    Bargwhere[:,0] = Bargwhere[:,0]*1000
    Bargwhere = np.sum(Bargwhere,axis=1)

    Iargwhere0 = np.intersect1d(Aargwhere,Bargwhere)

    Iargwhere = np.zeros(shape=(Iargwhere0.shape[0],2),dtype=Iargwhere0.dtype)
    Iargwhere[:,0] = Iargwhere0[:]/1000
    Iargwhere[:,1] = Iargwhere0[:]%1000


    I = np.zeros(shape = A.shape,dtype=A.dtype)
    I[:,:] = 255
    I[Iargwhere[:,0],Iargwhere[:,1]] = 0
    return I

它是有效的。相当快

---

---

但是，使用numpy做这件事的正确方法是什么（不太黑客化）？

可以建议两种方法-

255*(~((A==0) & (B==0))).astype(A.dtype)
255*(((A!=0) | (B!=0))).astype(A.dtype)