Python中查找特定红色像素坐标的优化实现方案求助

你的嵌套循环确实能实现需求，但面对大图像时效率会非常低——Numpy的核心优势就是向量化操作，可以完全替代Python层面的循环，大幅提升速度。

问题分析 #

你之前尝试的np.where没成功，是因为两个问题：

1. 你写的np.where((img > sought) & (img < gray), 0, img)是修改像素值，不是提取坐标；
2. 没有确保三个颜色通道同时满足区间条件，需要用all(axis=2)来合并通道的判断结果。

优化后的代码 #

import numpy as np
import cv2

# 先读入图像（示例）
# img = cv2.imread("your_image_path.jpg")

sought = np.array([10, 10, 140])  # BGR格式的颜色下限
gray = np.array([50, 50, 255])    # BGR格式的颜色上限

# 生成每个通道的区间掩码，再合并为全通道满足的掩码
channel_mask = (img > sought) & (img < gray)
full_mask = channel_mask.all(axis=2)  # axis=2表示沿颜色通道维度判断

# 获取满足条件的像素坐标：np.where返回(y坐标数组, x坐标数组)
y_coords, x_coords = np.where(full_mask)

# 输出坐标（和原代码格式一致）
for x, y in zip(x_coords, y_coords):
    print(x)
    print(y)
    print("############################################")

关键说明 #

1. 向量化操作：所有掩码计算都是在Numpy的底层C代码中执行，比Python循环快几十到上百倍；
2. 通道顺序：cv2读入的图像是BGR格式，你的sought和gray设置的是[蓝, 绿, 红]，和这个格式匹配，不需要转换；
3. 掩码合并：all(axis=2)确保只有当B、G、R三个通道都落在对应区间内时，该像素才被选中。

内容的提问来源于stack exchange，提问作者wet qr95