根据相等比较条件将数组值分配给多维 numpy 数组？

Question

我是 numpy 多维数组的新手，并且陷入了似乎应该是一个 "easy" 概念的问题。

在下面的代码中，fakepng 表示 numpy 数组中的 RGBA 图像。我想将该图像的每个纯黑色像素 [0,0,0] 的 Alpha 通道设置为 0 以使它们透明。我可以使用嵌套的 for 循环来做到这一点：

fakepng = np.array([[[0,0,0,255],[0,255,255,255]],[[255,255,0,255],[255,255,255,255]]])
rows, cols, channels = fakepng.shape
for x in range(0, rows):
    for y in range(0, cols):
        if (fakepng[x, y, 0] == 0 and fakepng[x, y, 1] == 0 and fakepng[x, y, 2] == 0):
            fakepng[x, y] = [0, 0, 0, 0]

但是，我在尝试找到 "right" numpy 函数 and/or 语法以使其成为 1 行和高效操作时迷路了。我不确定这是索引问题还是屏蔽问题，我是否需要矢量化函数，或者最好的概念是什么。

Answer 1

为了避免烦人的循环缓慢，您可以执行以下操作：

# 1. Create an auxiliary 2D array
aux_fakepng = fakepng.reshape(-1, 4)

# 2. Find all the rows in which all the elements but the last are 0
idx_rows = np.all(aux_fakepng[:, :-1] == 0, axis=1)

# 3. Set the alpha channel of those rows to 0
aux_fakepng[idx_rows, -1] = 0

请注意，您正在修改 aux_fakepng。由于您有两个指向同一个数组的引用，因此您对 aux_fakepng 所做的每个修改也会影响 fakepng.

编辑

由于有些人可能是 numpy 和多维数组的新手，我会尽力解释这里发生的事情。

首先，我们首先创建一个指向 fakepng 的新引用。在此过程中，我们也在重塑数组，因此更容易使用它：

aux_fakepng = fakepng.reshape(-1, 4)

当我们重塑数组时，我们指定新形状为 (-1, 4)。这意味着我们的新引用将有 4 列 并且它将尝试尽可能地适应行数，因为它可以考虑原始数组的其他维度。请注意，如果不能适合完美数组，此操作可能会失败，这是一个所有行都有 4 列的数组。

如果通道有更多或更少的值而不是 4，我们可以执行以下操作：

aux_fakepng = fakepng.reshape(-1, fakepng.shape[-1])

通过这样做，我们使用了 fakepng 值的最后一个值（指的是通道数）。

如前所述，此赋值创建了对原始数组的新引用。这意味着对 aux_fakepng 所做的每个修改也会影响 fakepng，因为它们是同一个对象。此赋值不是深拷贝（有像 np.copy() 这样的函数允许创建数组的深拷贝）。

有了二维数组后，我们需要找到所有 RGB 值都等于 0 的行。要找到这些行，我们可以执行以下操作：

idx_rows = np.all(aux_fakepng[:, :-1] == 0, axis=1)

但是，这是怎么回事？ aux_fakepng[:, :-1] 应该做什么？让我们先退一步。

目前，这是 aux_fakepng:

array([[  0,   0,   0, 255],
       [  0, 255, 255, 255],
       [255, 255,   0, 255],
       [255, 255, 255, 255]])

在这里，我们选择 所有行（：部分）并且在每一行中我们选择 除最后一列之外的所有列 (:-1 部分)。所以，我们正在访问的是以下数组：

array([[  0,   0,   0],
       [  0, 255, 255],
       [255, 255,   0],
       [255, 255, 255]])

现在，我们通过aux_fakepng[:, :-1] == 0比较每个元素是否等于0。此 returns 以下数组：

array([[ True,  True,  True],
       [ True, False, False],
       [False, False,  True],
       [False, False, False]])

但是，我们想要找到所有元素都为 0 的行，而不是数组等于 0 的行。为此，我们使用 np.all() 函数并将其应用于 axis=1 .这意味着该函数将检查行中的所有元素是否为 0。如果您想更好地理解 numpy 轴，请参阅 this page。该函数产生以下输出并将其分配给 idx_rows:

array([ True, False, False, False])

最后，我们将在（[0, 0, 0] 值）中发现黑色像素的那些行的 alpha 通道值更改为 0:

aux_fakepng[idx_rows, -1] = 0

通过这样做，我们正在访问其索引对应于 idx_rows 位置的行，其中找到了 True 值。在这些行中，我们正在访问最后一个元素（-1 索引），它对应于 alpha 通道，我们将其值设置为 0。

根据相等比较条件将数组值分配给多维 numpy 数组？

Assigning an array value into a multidimensional numpy array based on an equality comparison condition?

python

numpy

numpy-ufunc

numpy-ndarray

array-broadcasting