如何用Numpy高效将图像轮廓坐标在零矩阵中设为1？

解决方案 #

一、Numpy高效实现 #

直接用zero[test] = 1无效的原因是轮廓数组的(N,1,2)维度不符合Numpy的索引规则，需要先简化坐标维度，分离行（y）和列（x）索引：

分步实现

import numpy as np

zero = np.zeros((5, 5))
test = np.array([[[2,1]], [[3, 1]], [[1, 0]]])

# 将轮廓数组从(N,1,2)压缩为(N,2)
coords = test.reshape(-1, 2)
# 分离y（行索引）和x（列索引）
y_indices = coords[:, 1]
x_indices = coords[:, 0]

# 批量赋值
zero[y_indices, x_indices] = 1
print(zero)

输出结果：

[[0. 1. 0. 0. 0.]
 [0. 0. 1. 1. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]

简洁写法

可以一行完成坐标转换与赋值：

zero[tuple(test.reshape(-1, 2).T)] = 1

test.reshape(-1,2).T将坐标转为(2, N)的数组，再转成元组(y_array, x_array)，完美匹配Numpy的二维数组索引规则。

二、其他高效方法 #

1. OpenCV drawContours（推荐）

OpenCV的drawContours是底层C++实现，速度远超Python循环，且完全适配你得到的轮廓格式：

import cv2
import numpy as np

zero = np.zeros((5, 5), dtype=np.uint8)
test = np.array([[[2,1]], [[3, 1]], [[1, 0]]])

# 绘制轮廓，thickness=-1表示填充（此处仅标记坐标点，设为1也可）
cv2.drawContours(zero, [test], 0, 1, thickness=-1)
print(zero)

注意：drawContours的第二个参数需要是轮廓列表，直接把你的轮廓数组用[]包裹即可。

2. Scipy稀疏矩阵（超大图像场景）

如果图像尺寸极大，普通零矩阵占用内存过高，可使用稀疏矩阵存储：

from scipy.sparse import csr_matrix

coords = test.reshape(-1, 2)
rows = coords[:, 1]
cols = coords[:, 0]

# 创建稀疏矩阵
sparse_mat = csr_matrix((np.ones(len(rows)), (rows, cols)), shape=(5,5))
# 按需转为稠密矩阵
dense_mat = sparse_mat.todense()

这种方法在处理百万级坐标时，内存效率远高于普通Numpy数组。

内容的提问来源于stack exchange，提问作者gugi200