如何仅用Numpy实现无循环的图像特定颜色范围提取（无需OpenCV）

你的三层循环逻辑是：仅保留所有通道值都落在对应lcol和hcol区间内的像素，其余像素置为黑色[0,0,0]。用Numpy的向量化操作可以完全替代循环，以下是正确实现：

完整无循环代码 #

import numpy as np

lcol = np.array((23, 22, 174))
hcol = np.array((77, 77, 255))

def extract_color_from2(img_array):
    # 生成布尔掩码：每个像素的三个通道都满足区间条件时为True
    mask = np.all((img_array >= lcol) & (img_array <= hcol), axis=2)
    # 将掩码扩展为与图像同维度（从(height,width)变为(height,width,3)）
    mask_3d = mask[..., np.newaxis]
    # 保留符合条件的像素，其余置0
    img_array = img_array * mask_3d
    return img_array

关键步骤解释 #

1. 生成掩码：

   • (img_array >= lcol) & (img_array <= hcol)会对每个通道的每个元素做区间判断，得到一个和原图像同维度的布尔数组。
   • np.all(..., axis=2)沿着通道轴（第三维）取逻辑与，只有当像素的三个通道都满足条件时，对应位置才为True，最终得到形状为(height, width)的二维掩码。

2. 扩展掩码维度：

   • 原图像是三维数组(height, width, 3)，二维掩码无法直接与它运算，用mask[..., np.newaxis]在最后添加一个维度，将掩码转为(height, width, 1)，Numpy会自动广播为(height, width, 3)，和图像维度匹配。

3. 过滤像素：

   • 布尔值在数值运算中会被转为1（True）和0（False），图像数组与掩码相乘后，不符合条件的像素会被乘以0，直接变为黑色，符合条件的像素保持原值。

可选实现（使用np.where） #

如果需要更直观的条件判断，也可以用np.where：

def extract_color_from2(img_array):
    mask = np.all((img_array >= lcol) & (img_array <= hcol), axis=2)
    mask_3d = mask[..., np.newaxis]
    # 满足条件返回原像素，否则返回0
    img_array = np.where(mask_3d, img_array, 0)
    return img_array

注意事项 #

• 原循环代码会直接修改输入的图像数组，上面的实现同样会修改原数组。如果需要保留原图像，建议先复制：img_copy = img_array.copy()，再对副本进行操作。
• 确保输入的img_array是uint8类型的Numpy数组（常见图像格式），运算后结果类型会保持一致。

内容的提问来源于stack exchange，提问作者山根佑太