如何查找numpy数组是否包含沿第三维的向量？答案

【问题标题】：How to find if numpy array contains vector along 3rd dimension?如何查找numpy数组是否包含沿第三维的向量？
【发布时间】：2021-05-16 14:32:33
【问题描述】：

我想查找 3D numpy 数组是否包含沿第 3 维的特定 1D 向量。（我需要检查图像是否包含特定颜色的像素。）

当且仅当任何像素与目标完全匹配时，我才需要返回 true。

我尝试了以下方法：

import numpy as np
target = np.array([255, 0, 0])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,8,255]]])
contains_target = np.isin(target, search_area).all():  # Returns True

返回 True，因为每个元素都可以在整个数组中的某个位置单独找到。

接下来我尝试了：

target = np.array([255, 0, 0])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,0,255]]])
contains_target = (target == search.all(2)).any()  # Returns True

这效果更好，因为它单独匹配每个像素的目标元素，但当它们没有按顺序或数字不正确时，它仍然返回 True。

最后，我试过了：

def pixel_matches_target(self, pixel_to_match):
        return (target == pixel_to_match).all()

contains_target = np.apply_along_axis(self.pixel_matches_target, 2, search_area).any()

但是使用起来太慢了（每次大约需要 1 秒）。

如何查找 numpy 数组是否包含沿特定轴的向量？

编辑：

我最终通过使用 cv2.inRange() 将 RGB 图像转换为二进制掩码并检查生成的 2D 数组是否包含 True 值来规避该问题。这导致执行速度提高了几个数量级。

【问题讨论】：

标签： python arrays python-3.x numpy multidimensional-array

【解决方案1】：

注意：这不能回答一般问题，但对于查找图像是否包含特定颜色的像素的特定问题来说，速度要快几个数量级。

import cv2
import numpy

target_lower = np.array([250, 0, 0])
target_upper = np.array([255, 5, 5])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,0,255]]])

mask = cv2.inRange(search_area, target_lower, target_upper)
mask = mask.astype(bool)

contains_target = (True in mask)

此外，它还有一个好处是可以为目标颜色提供一些灵活性。

【讨论】：

【解决方案2】：

如果您的数组是整数，您可以使用numpy.array_equal() 来检查数组是否匹配（如果使用floats，请参阅numpy.allclose()）。假设要匹配的子数组总是在第 3 个子行中，您可以执行以下操作：

if sum(np.array_equal(target,a) for a in arr[:,2]):
    # Contains the target!

如果子数组出现在任何你可以使用的地方：

sum(np.array_equal(target,item) for sublist in arr for item in sublist))

【讨论】：

子数组可以在数组中的任何位置。有什么方法可以调整您的解决方案吗？
@JSLavertu 我编辑了帖子以说明在任何地方发生的元素

【解决方案3】：

解决您的问题的一个不错的可能性是（如果您能负担得起额外的临时内存）：

import numpy as np

target = np.array([255, 0, 0])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,0,255]]])

# works for general N-D sub-arrays
adjusted_shape = search_area.reshape((-1, *target.shape))

contains_target = target.tolist() in adjusted_shape.tolist() # False

【讨论】：