如何高效将三维二进制Numpy数组转换为点云坐标数组

直接用Numpy的内置矢量化操作就能搞定，完全不需要三层循环，效率能提升几个数量级，具体有两种常用方法：

方法1：使用np.argwhere #

np.argwhere会直接返回所有满足条件的元素的索引，返回结果就是你需要的P×3数组，每一行对应一个值为1的像素的(x, y, z)坐标（对应数组的三个轴顺序）。

示例代码：

import numpy as np

# 假设你的三维数组名为arr，shape=(2000, 2000, 300)
arr = np.random.randint(0, 2, size=(2000, 2000, 300), dtype=np.uint8)

# 获取所有值为1的像素坐标
coords = np.argwhere(arr == 1)
# coords就是维度为P×3的数组，P为值为1的像素总数

方法2：使用np.where + np.column_stack #

np.where会分别返回每个轴上满足条件的索引数组，再用np.column_stack把三个轴的索引合并成P×3的坐标数组，结果和np.argwhere完全一致。

示例代码：

import numpy as np

arr = np.random.randint(0, 2, size=(2000, 2000, 300), dtype=np.uint8)

# 分别获取x、y、z轴上的索引
x_indices, y_indices, z_indices = np.where(arr == 1)
# 合并成坐标数组
coords = np.column_stack((x_indices, y_indices, z_indices))

注意轴顺序 #

如果你的数组轴顺序和坐标定义不匹配（比如数组shape是(300, 2000, 2000)，即z轴是第一个维度），只需要调整合并时的列顺序即可。比如要得到(x, y, z)的坐标：

# 假设arr.shape=(300, 2000, 2000)，对应z, x, y轴
z_indices, x_indices, y_indices = np.where(arr == 1)
coords = np.column_stack((x_indices, y_indices, z_indices))

这两种方法都是Numpy底层优化的矢量化操作，处理2000×2000×300的数组速度非常快，完全不需要手动写循环。

内容的提问来源于stack exchange，提问作者D. Brito