如何获取图像Numpy数组特定索引的三通道像素值？

你可以通过两种简洁的Numpy索引方式实现需求，直接获取每个坐标对应的三通道像素值：

方法一：拆分索引为行/列数组直接索引 #

Numpy支持将多维索引拆分为对应轴的一维数组，结合通道轴的全选符号:，就能快速提取目标像素：

import numpy as np

# 模拟你的图像数组（形状256×256×3）
img = np.random.randint(0, 255, (256, 256, 3), dtype=np.uint8)
# 模拟你的索引数组（形状N×2）
idx = np.array([[3, 230], [3, 231], [114, 151], [115, 150]], dtype=np.int64)

# 从索引数组中拆分出所有行索引和列索引
rows = idx[:, 0]
cols = idx[:, 1]

# 提取对应位置的三通道值，结果形状为(N, 3)
pixel_values = img[rows, cols, :]

执行后pixel_values的每一行就是对应坐标的R、G、B三通道数值。

方法二：使用np.take_along_axis函数 #

如果需要更灵活的轴对齐操作，可以用take_along_axis，先扩展索引数组的维度匹配图像的通道轴：

import numpy as np

img = np.random.randint(0, 255, (256, 256, 3), dtype=np.uint8)
idx = np.array([[3, 230], [3, 231], [114, 151], [115, 150]], dtype=np.int64)

# 给索引数组添加通道维度，形状变为(N, 2, 1)
idx_expanded = idx[:, :, np.newaxis]
# 沿着前两个轴提取所有通道的像素值
pixel_values = np.take_along_axis(img, idx_expanded, axis=(0, 1))
# 压缩多余的维度，得到最终(N, 3)的结果
pixel_values = pixel_values.squeeze(axis=1)

两种方法的输出结果完全一致，第一种更简洁高效，是日常处理这类场景的首选。

内容的提问来源于stack exchange，提问作者MCPMH