Python 使用1D布尔数组从3D RGB图像中提取遮罩

我有一个3D图像，它是一个numpy形状阵列（1314489,3），如下所示：

print(np.mean(colormaskcutted[boolean[:,:,0]], axis=(0, 1)))
>>124.57794089613752

现在我想计算遮罩的平均RGB颜色值（没有黑色背景的cob）。计算整个图像的RGB值很容易：

print(np.mean(colormaskcutted, axis=(0, 1)))
>>[186.18434633  88.89164511  46.32022921]

但现在我只想得到cob的平均RGB颜色值。我有一个一维布尔掩码 具有此形状的遮罩阵列，其中一个值对应于所有3个颜色通道值：（1314489）

我尝试对遮罩的图像阵列进行切片，如下所示：

print(np.mean(colormaskcutted[boolean[:,:,0]], axis=(0, 1)))
>>124.57794089613752

但是对于RGB颜色，它只返回一个值，而不是3个值

---

如何为1D布尔遮罩过滤3D numpy图像，以便执行平均RGB颜色计算？

如果您的问题仅限于计算平均值，则不必对图像进行子集设置。你可以简单地做

np.sum（colormaskcutted*boolean[：，：，None]，轴=（0,1））/np.sum（boolean）

另外，我已经尝试了索引，您可以修改您的原始方法，如下所示：

print(np.mean(colormaskcutted[boolean[:,:,0]], axis=(0, 1)))
>>124.57794089613752

np.mean（colormaskcutted[boolean，：]，axis=0）

p.p.S.无法抗拒一些基准测试。因此，求和方法采用

15.9s

（1000次迭代，如示例中的尺寸，旧计算机）；高级索引方法稍长，为

17.7s

。但是，可以进一步优化求和。按照Mad物理学家的建议使用

count\u nonzero

，略微缩短了到达

15.3s

的时间。我们还可以使用

tensordot

跳过创建临时数组：

np.tensordot(colormaskcutted, boolean, axes = [[0,1], [0,1]])/np.count_nonzero(msk)  

---

这将时间缩短到

4.5s

第二种解决方案是正确的。“我认为你应该去掉第一个。”疯狂的物理学家，他们给出了相同的答案。第一个稍微快一点，使用tensordot（或einsum）可以使速度更快。第二个更一般，很公平。使用

np.count\u non zero

而不是

np.sum

对速度有何影响？谢谢，我对这两个选项都很满意！那真是太好了。