尽可能快地按多个条件过滤 numpy 图像数组

Question

我需要在游戏运行时找到特定像素（BGR 格式）的坐标，

（我保存截图只是为了测试，程序自己连续截图）。

这是我需要的一个工作循环示例

s = np.array(Image.open("image.png"))
cr = []
for y in range(338):
    for x in range(326):
        C = s[y, x]
        if C[1] < 25 and 20 <= C[0] < 25 and 130 < C[2] < 215:
            cr.append((y, x))

但是 for 循环需要 1.03 秒，这对我的任务来说非常慢，所以我尝试了

cr = s[(20 < s[:,][:,0]) & (s[:,][:,0] < 25) & (s[:,][:,1] < 25) & (130 < s[:,][:,2]) & (s[:,][:,2] < 215)]

但它返回错误IndexError: boolean index did not match indexed array along dimension 1; dimension is 415 but corresponding boolean dimension is 3

那么我需要如何以最快的方式完成它？

编辑：

示例图片：

Answer 1

我会这样写你的条件：

c = (s[...,1] < 25) & (20 < s[...,0]) & (s[...,0] < 25) & (130 < s[...,2]) & (s[...,2] < 215)
cr = np.argwhere(c)

您得到的错误是因为s 的形状与您放在括号内的任何形状不同。其他cmets：

• 颜色轴是最后一个，而不是第二个
• s[:,] 与 s 相同

在您上面发布的示例图片中，我得到：

In [3]: s.shape
Out[3]: (326, 338, 3)

In [4]: (20 < s[:,:,0]).shape
Out[4]: (326, 338)

这是因为通过将一个维度的索引设置为一个固定值，您就可以摆脱该维度。那没关系，但你也摆脱了错误的维度。

Answer 2

您可以使用广播显着减少这种情况。假设您有一个(M, N, 3) 数组s，带有M = 338 和N = 326。所有像素的上限阈值为[25, 25, 215]。通道 0 的阈值下限为 20（含），通道 2 的阈值为 130（不含）。你把这个表达为

cr = np.argwhere((s < [25, 25, 215]).all(-1) & (s[..., 0] >= 20) & (s[..., 2] > 130))

您必须在条件表达式周围加上括号，否则它们的优先级低于&。

表达式(s < [25, 25, 215]) 由于广播而产生一个(M, N, 3) 布尔掩码。尺寸在右侧对齐，因此[25, 25, 215] 被视为(1, 1, 3)，并有效地扩展为(M, N, 3)。沿最后一个轴的最终 all 通过检查给定像素的所有通道是否都通过各自的标准，将掩码减少到 (M, N)。

您可以更进一步地采用这种方法，因为您使用的是整数。在这种情况下，x >= 20 等价于x > 19。所以你只需要两个条件：

cr = np.argwhere((s < [25, 25, 215]).all(-1) & (s[0::2] > [19, 130]).all(-1)

Answer 3

你必须使用numpy.argwhere和numpy.logical_and

es:

matching_indexes = np.argwhere(np.logical_end(np.logical_and(s<3, s>50), s !=4))