如何在不同尺寸NumPy数组间执行逻辑运算？含图像掩码应用场景

问题原因 #

• image[mask]会提取所有掩码为True的像素，返回形状为(n,3)的一维数组，而非保留原图像的(x,y,3)结构，不符合需求。
• cv2.bitwise_and()默认要求掩码为uint8类型（值为0或255），直接传入布尔数组会因类型不匹配失效。

方法一：NumPy原生广播（推荐） #

利用NumPy的广播机制，将单通道掩码扩展为与图像匹配的3通道结构，无需逐通道处理：

import numpy as np

# 示例：构造测试数据
image = np.random.randint(0, 256, (100, 100, 3), dtype=np.uint8)
mask = np.random.choice([True, False], size=(100, 100), p=[0.5, 0.5])

# 方式1：通过广播扩展掩码维度
mask_3d = mask[..., np.newaxis]  # 将(x,y)转为(x,y,1)，自动广播到3通道
masked_image = image * mask_3d  # 掩码为False的像素被置0

# 方式2：直接通过布尔索引修改原图像副本
masked_image = image.copy()
masked_image[~mask] = 0  # 取反掩码，将False对应的像素设为0

方法二：适配OpenCV的bitwise_and #

将布尔掩码转换为OpenCV兼容的uint8类型，即可正常使用cv2.bitwise_and()：

import cv2
import numpy as np

# 布尔掩码转uint8（True→255，False→0）
mask_uint8 = mask.astype(np.uint8) * 255
# 应用掩码：两个输入图像传image，mask参数用转换后的掩码
masked_image = cv2.bitwise_and(image, image, mask=mask_uint8)

内容的提问来源于stack exchange，提问作者requiemman