如何向量化获取三维数组中每张图像的最大值坐标？

直接用NumPy的argmax结合索引转换就能实现无循环的向量化操作，具体代码如下：

1. 获取每张图像最大值的扁平化索引

flat_indices = np.argmax(subtracted_image, axis=(1, 2))

axis=(1,2)指定沿着每张图像的行、列维度取最大值的索引，得到的flat_indices是长度为522的一维数组，每个元素对应单张87×87图像中最大值的扁平化位置。

2. 转换为x、y坐标（行、列索引）

# 列坐标（y轴）
y_coords = flat_indices % 87
# 行坐标（x轴）
x_coords = flat_indices // 87

这里的x_coords和y_coords都是长度为522的数组，分别对应每张图像最大值的行、列位置。

3. （可选）合并坐标为二维数组
   如果需要把坐标整理成(522, 2)的格式，用stack拼接：

max_coords = np.stack([x_coords, y_coords], axis=1)

注意：如果单张图像中有多个相同的最大值，np.argmax只会返回第一个出现的最大值的索引。

内容的提问来源于stack exchange，提问作者Andromeda