如何将三个同形Numpy 3D数组按指定维度合并为新数组？

你的代码中三个循环是顺序执行的，后续赋值会完全覆盖之前的结果：

1. 第一个循环将clahe_slices的所有第一维度切片替换为clahe_slices1的对应内容
2. 第二个循环遍历第二维度索引，替换clahe_slices中对应列的切片，覆盖第一个循环的大部分数据
3. 第三个循环遍历第三维度索引，替换clahe_slices中对应层的所有切片，最终整个数组只剩clahe_slices3的数据

另外注意：原代码中clahe_slices1/clahe_slices2/clahe_slices3被初始化为零数组，这显然不符合“已完成CLAHE处理”的前提，需要先正确生成这三个处理后的数组。

以下是基于不同整合需求的实现，先补充生成三个处理后数组的代码：

步骤1：生成各维度CLAHE处理后的数组 #

import numpy as np
import nibabel as nib
from skimage.exposure import equalize_adapthist

def process_dimension_slices(data, dim):
    """对指定维度的所有切片应用CLAHE"""
    result = np.zeros_like(data)
    if dim == 0:
        for i in range(data.shape[0]):
            result[i, :, :] = equalize_adapthist(data[i, :, :])
    elif dim == 1:
        for i in range(data.shape[1]):
            result[:, i, :] = equalize_adapthist(data[:, i, :])
    elif dim == 2:
        for i in range(data.shape[2]):
            result[:, :, i] = equalize_adapthist(data[:, :, i])
    return result

# 加载Nifti数据
nifti_img = nib.load(file_path)
img_data = nifti_img.get_fdata()

# 生成三个维度的处理结果
clahe_slices1 = process_dimension_slices(img_data, dim=0)
clahe_slices2 = process_dimension_slices(img_data, dim=1)
clahe_slices3 = process_dimension_slices(img_data, dim=2)

步骤2：根据需求整合数组 #

方案1：元素级融合（例如取平均值）

如果希望将三个数组的对应元素进行融合，直接用numpy数组运算即可：

def merge_clahe_results(s1, s2, s3):
    return (s1 + s2 + s3) / 3

clahe_slices = merge_clahe_results(clahe_slices1, clahe_slices2, clahe_slices3)

方案2：多维度拼接（生成4D数组）

如果需要保留三个数组的全部数据，将它们拼接为一个4D数组：

def merge_clahe_results(s1, s2, s3):
    return np.stack([s1, s2, s3], axis=-1)

# 输出形状为(240,240,155,3)
clahe_slices = merge_clahe_results(clahe_slices1, clahe_slices2, clahe_slices3)

方案3：指定区域替换（各维度切片占据不同区域）

如果需要让不同维度的处理结果占据数组的特定区域，可手动定义替换范围：

def merge_clahe_results(s1, s2, s3):
    result = np.zeros_like(s1)
    # 第一维度处理结果占前120层
    result[:120, :, :] = s1[:120, :, :]
    # 第二维度处理结果占中间120列
    result[:, 60:180, :] = s2[:, 60:180, :]
    # 第三维度处理结果占中间55层
    result[:, :, 50:105] = s3[:, :, 50:105]
    return result

clahe_slices = merge_clahe_results(clahe_slices1, clahe_slices2, clahe_slices3)

内容的提问来源于stack exchange，提问作者miara so