如何用Numpy高效查找紧邻黑色像素左侧的指定灰色像素？

直接用Numpy的切片操作就能避开循环，核心是分别生成两个条件的布尔掩码，再取交集得到最终符合要求的像素位置：

1. 生成目标灰度像素的掩码
   用你原本的代码先定位所有符合灰度范围的像素，得到和图像同尺寸的布尔掩码：

   # 匹配(80±10, 71±10, 71±10)的灰度范围
   mask_target = np.all(np.abs(img - (80, 71, 71)) < 10, axis=-1)
   

2. 生成「右侧紧邻黑色像素」的掩码
   假设黑色像素定义为(0,0,0)（如果你的黑色是其他值，直接替换即可）：

   • 先提取每一行中从第1列到最后一列的像素（也就是原图像每个像素的右侧邻接像素），判断这些像素是否为黑色
   • 给这个结果左侧补一列False（因为第一列的像素没有右侧邻接像素，必然不满足条件），得到和原图同形状的掩码：

   mask_right_black = np.zeros_like(mask_target)
   # 给除最后一列外的所有像素，判断其右侧是否为黑色
   mask_right_black[:, :-1] = np.all(img[:, 1:, :] == (0, 0, 0), axis=-1)
   

3. 取掩码交集，提取最终坐标
   把两个掩码做逻辑与操作，再用np.where提取符合条件的像素坐标：

   final_mask = mask_target & mask_right_black
   y_coords, x_coords = np.where(final_mask)
   

完整代码示例 #

import numpy as np

# 假设img是你的RGB图像，形状为(H, W, 3)
img = np.random.randint(0, 256, size=(100, 100, 3), dtype=np.uint8)

# 步骤1：生成目标灰度掩码
mask_target = np.all(np.abs(img - (80, 71, 71)) < 10, axis=-1)

# 步骤2：生成右侧为黑色的掩码
mask_right_black = np.zeros_like(mask_target)
mask_right_black[:, :-1] = np.all(img[:, 1:, :] == (0, 0, 0), axis=-1)

# 步骤3：获取符合条件的像素坐标
final_mask = mask_target & mask_right_black
y, x = np.where(final_mask)

# 结果示例输出
print(f"找到符合条件的像素数量：{len(y)}")
print(f"前5组坐标：{(y[:5], x[:5])}")

补充说明 #

• 如果是灰度图像（形状为(H,W)），只需去掉代码中的axis=-1，同时把颜色值从三元组改成单值（比如把(80,71,71)换成均值74，黑色换成0）
• 如果黑色不是严格的(0,0,0)，而是接近黑色的范围，可以把判断条件改成np.all(np.abs(img[:,1:,:] - (0,0,0)) < 5, axis=-1)，调整阈值即可

内容的提问来源于stack exchange，提问作者Nik