如何快速提取二维Numpy数组选定点的邻域并消除循环？

要去掉两层循环实现Moore邻域（3×3范围）的筛选，同样可以通过广播+布尔掩码批量处理：

实现代码 #

import numpy as np

test_arr = np.zeros((10, 10), dtype=int)
test_arr[[0, 1, 4], [0, 0, 8]] = 1
indices_r, indices_c = np.nonzero(test_arr)

test_mask = np.zeros((10, 10), dtype=bool)
test_mask[[2, 4], [0, 8]] = 1
N = test_arr.shape[0]

# 生成Moore邻域的所有行/列偏移（3×3共9个方向）
offsets_r, offsets_c = np.meshgrid(np.arange(-1, 2), np.arange(-1, 2), indexing="ij")
offsets_r = offsets_r.ravel()  # 转为一维数组：(9,)
offsets_c = offsets_c.ravel()

# 广播生成所有目标点的邻域坐标，形状为(9, 3)（3是目标点数量）
neigh_r = indices_r + offsets_r[:, np.newaxis]
neigh_c = indices_c + offsets_c[:, np.newaxis]

# 批量筛选有效条件：1. 坐标在数组范围内；2. 对应掩码为True
valid_mask = (neigh_r >= 0) & (neigh_r < N) & (neigh_c >= 0) & (neigh_c < N) & test_mask[neigh_r, neigh_c]

# 提取所有有效邻域坐标
valid_neigh_r = neigh_r[valid_mask]
valid_neigh_c = neigh_c[valid_mask]

# 合并为(有效数, 2)的坐标对数组
valid_neighs = np.stack([valid_neigh_r, valid_neigh_c], axis=1)

关键说明 #

• 用np.meshgrid一次性生成所有Moore偏移，避免手动枚举
• 布尔掩码批量判断所有条件，完全替代嵌套循环
• 如果需要排除目标点自身（即偏移(0,0)的位置），可以在valid_mask中追加条件：

  exclude_self = ~((offsets_r[:, np.newaxis] == 0) & (offsets_c[:, np.newaxis] == 0))
  valid_mask = valid_mask & exclude_self
  

内容的提问来源于stack exchange，提问作者LionCereals