Python中如何提取np.array特定条件值且保留原数组形状

你遇到的问题是np.extract会把符合条件的元素都拉成一维数组，直接丢了原图像的二维结构。要保留原始位置，试试下面两种方法：

方法1：把不符合条件的元素换成特定值（保留原形状） #

直接在原数组的基础上，把小于等于阈值的元素换成0或者NaN，这样数组还是(512,512)的形状，能直接用来查看图像：

import numpy as np

# 先计算阈值
threshold = np.max(D1) * 0.05
# 复制原数组，避免修改原始数据
D1_processed = D1.copy()
# 把不符合条件的元素换成0（换成np.nan也可以，看你可视化需求）
D1_processed[D1 <= threshold] = 0
# 现在D1_processed还是(512,512)，直接拿去画图就行

如果换成np.nan，用matplotlib画图的时候，这些NaN区域会自动显示成空白或者特定颜色，也能清晰看到有效区域的位置。

方法2：用布尔掩码操作 #

先生成和原数组同形状的布尔掩码（符合条件的位置是True，不符合是False），之后可以用掩码来生成保留结构的数组，或者直接在可视化时用：

threshold = np.max(D1) * 0.05
# 生成掩码
mask = D1 > threshold

# 方式一：生成保留原结构的数组，不符合条件的位置设为0
D1_masked = D1 * mask  # 布尔值和数值相乘，False会自动转成0

# 方式二：可视化时直接叠加掩码
import matplotlib.pyplot as plt
plt.imshow(D1, cmap='gray')
# 把不符合条件的区域用半透明白色覆盖
plt.imshow(np.where(mask, np.nan, 1), cmap='gray', alpha=0.5)
plt.show()

简单说，np.extract就是专门用来提取一维元素的，要保留二维结构就别用它，直接在原数组上做修改或者用掩码就好。

内容的提问来源于stack exchange，提问作者vintz