如何用Numpy将两个点阵2D数组合并为3D点阵数组？

第一步：把单张数字图片转为布尔矩阵 #

先写一个工具函数，将单张图片转换成布尔矩阵（黑色像素标记为True），这种形式比直接存储坐标更适配后续Numpy操作：

import cv2
import numpy as np

def load_digit_mask(img_path):
    # 按需求读取并旋转图片
    image = cv2.rotate(cv2.imread(img_path), cv2.ROTATE_90_CLOCKWISE)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    threshold_level = 25
    # 直接生成布尔矩阵：低于阈值的黑色像素为True
    return gray < threshold_level

第二步：批量加载所有数字的布尔矩阵 #

把0-9（以及你需要的特殊字符如R）的图片批量加载，存入字典方便后续调用：

# 假设图片命名为0.jpg、1.jpg...9.jpg、R.jpg，根据实际路径修改
digit_masks = {}
# 加载0-9的数字掩码
for digit in range(10):
    digit_masks[str(digit)] = load_digit_mask(f"{digit}.jpg")
# 加载特殊字符R的掩码
digit_masks["R"] = load_digit_mask("R.jpg")

第三步：组合两个数字为3D点阵块 #

借助Numpy的向量化操作，无需手动遍历维度，直接生成3D坐标数组：

def combine_two_digits(mask_left, mask_right, z_left=0, z_right=1):
    # 获取左边数字的黑色像素坐标（y, x）
    y_left, x_left = np.where(mask_left)
    # 生成对应z轴值
    z_left_vals = np.full_like(y_left, z_left)
    # 组合成3D坐标（x, y, z），可根据需求调整坐标顺序
    coords_left = np.column_stack([x_left, y_left, z_left_vals])
    
    # 处理右边数字：x坐标偏移原图片宽度，实现并排效果
    y_right, x_right = np.where(mask_right)
    x_right_shifted = x_right + mask_left.shape[1]  # 偏移量为左边图片的列数（x轴范围）
    z_right_vals = np.full_like(y_right, z_right)
    coords_right = np.column_stack([x_right_shifted, y_right, z_right_vals])
    
    # 合并左右两边的3D坐标
    return np.vstack([coords_left, coords_right])

# 示例：组合数字8和字符R
combined_coords = combine_two_digits(digit_masks["8"], digit_masks["R"])

# 将结果保存到文件
np.savetxt("8R_3d_coords.txt", combined_coords, fmt="%d")

核心优势 #

• 全程使用Numpy向量化操作，比手动遍历维度效率提升显著
• 布尔矩阵的形式让后续调整（如修改阈值、反转黑白）更灵活
• 坐标偏移、z轴赋值均为数组级操作，简洁且不易出错

内容的提问来源于stack exchange，提问作者psilo