如何用Numpy基于Mask提取RGB图像目标并置背景为黑色？

完全可以用Numpy实现，而且全程不需要for循环，利用Numpy的广播机制就能高效完成。

核心思路 #

RGB图像的形状一般是 (高度, 宽度, 3)（对应3个颜色通道），而你的Mask是 (高度, 宽度) 的二值数组（仅含0和1）。只需要给Mask扩展一个维度，让它和RGB图像的维度匹配，再做逐元素相乘即可——Mask值为0的位置会把RGB像素置为0（黑色），值为1的位置保留原像素。

代码示例 #

import numpy as np

# 假设：
# rgb_img: 输入的RGB图像，形状为 (H, W, 3)，数据类型通常是 uint8
# mask: 二值Mask图像，形状为 (H, W)，值为0或1（也可以是bool类型的True/False）

# 扩展Mask的维度，从 (H,W) 变成 (H,W,1)，匹配RGB的通道数
mask_expanded = mask[..., np.newaxis]

# 逐元素相乘，背景自动置黑
result_img = rgb_img * mask_expanded

# 如果Mask是float类型（比如0.0/1.0），可以转换回uint8保证图像格式正确
# result_img = (rgb_img * mask_expanded).astype(np.uint8)

原理说明 #

Numpy的广播机制会自动将 (H,W,1) 的Mask数组扩展为 (H,W,3)，每个颜色通道都使用同一个Mask进行过滤，这比手动写循环效率高得多，完全利用了Numpy的向量化运算优势。

如果你的Mask是布尔类型（True对应目标区域，False对应背景），代码逻辑完全一致——因为布尔值在运算中会被自动转换为1和0。

内容的提问来源于stack exchange，提问作者MIchael_adlerstein