如何高效从三维NumPy/Dask数组生成一维掩码筛选图像？

你可以一次性指定多个轴给all()方法，不用连续调用两次。不管是NumPy还是Dask，都支持传入轴的元组来实现多维度的逻辑判断，这样能减少一次中间数组的生成，效率更高。

假设你的数组形状是(num_samples, height, width)（对应1592张图像，每张是height×width的二维数组），把原来的代码：

mask = a.all(axis=1).all(axis=1)

替换成：

mask = a.all(axis=(1, 2))

axis=(1,2)会沿着高度和宽度两个维度做全True判断，直接得到一维的掩码数组，每个元素对应一张图像是否全为True。

后续筛选文件名的逻辑可以保持不变，比如要保留包含False的图像（即剔除全True的），可以这样做：

keep_indices = np.where(~mask)[0]
filtered_filenames = [filenames[i] for i in keep_indices]

Dask的all()方法完全兼容这个用法，而且因为避免了中间数组的创建与计算，处理大数组时能减少内存开销、提升计算速度，很适合你这种1500+张图像的场景。

内容的提问来源于stack exchange，提问作者Dave