根据 3D numpy 数组中的维度选择值答案

【问题标题】：Select value based on dimension in 3D numpy array根据 3D numpy 数组中的维度选择值
【发布时间】：2020-05-03 14:41:25
【问题描述】：

我有多个二进制分割掩码。将它们组合起来形成一个 3D 阵列。如果将第 3 维中的一个像素相加，它的总和应为 1，即一个像素在其第 3 维中应该只有一个 1：

[[0, 0],
 [1, 0]],

[[1, 1],
 [0, 1]]

不幸的是，我的 3D 数组没有给出这个条件：

[[0, 0],
 [1, 1]],

[[1, 0],
 [1, 0]],

[[1, 1],
 [1, 0]]

正如所见，2,1 的值在所有三个通道中都相等。

如果在较高通道中存在1，我想将较低通道中的值设置为0。我怎样才能实现第二个示例中的数组结果：

[[0, 0],
 [0, 1]],

[[0, 0],
 [0, 0]],

[[1, 1],
 [1, 0]]

【问题讨论】：

你最后一个代码块的倒数第二行不是错了吗？它的[1, 1]

标签： python arrays numpy multidimensional-array

【解决方案1】：

使用Numpy's advanced indexing 相当容易：

import numpy as np

img = np.array([[[0, 0],
                 [1, 1]],
                [[1, 0],
                 [1, 0]],
                [[1, 1],
                 [1, 0]]])

print(img)

print(np.sum(img, axis=2))

# check for ones in the first position in the third axis  
# and get a mask for boolean indexing  
mask = img[:, :, 0] == 1

print(mask)
img_2 = img.copy()

# apply the mask to the second element in the third axis
# and set the values to zero there IF there was a one
# in the other place: when the boolean mask is True
img_2[:,:,1][mask] = 0 

print(img_2)

print(np.sum(img_2, axis=2))

【讨论】：