如何获取形状为(T,H,W,C)的NumPy数组中全部静态像素

需求：从形状为(T, H, W, C)的NumPy数组中，提取所有在时间维度（T）上完全不变的像素（即每个[i,j]位置的像素值在所有帧中完全相等）。

原方法的问题 #

你当前使用cv2.bitwise_and循环的实现：

mask_static = cv2.bitwise_and(array[0], array[1])
for image in array[2:]:
   mask_static = cv2.bitwise_and(mask_static, image)

return mask_static

这种方式的逻辑是保留所有帧中像素值的交集，哪怕像素有微小变化（比如某帧是254，其他是255），只要存在重叠的位就会被保留，无法满足“所有帧像素完全相等”的严格要求。

快速实现方案 #

利用NumPy的向量化比较操作，直接检查每个像素在时间轴上的一致性，效率远高于循环：

import numpy as np

def extract_static_pixels(array):
    # 取第一帧作为基准
    base_frame = array[0]
    # 检查所有帧与基准帧是否完全相等，沿时间轴（axis=0）取全局一致的结果
    is_static = np.all(array == base_frame, axis=0)
    # 生成静态像素图像：保留静态像素，非静态像素设为0（可根据需求调整）
    static_image = base_frame.copy()
    static_image[~is_static] = 0
    return static_image

代码说明 #

• array == base_frame：通过广播机制，将基准帧与所有帧逐元素比较，生成形状为(T, H, W, C)的布尔数组，每个元素表示对应位置帧与基准帧是否相等。
• np.all(..., axis=0)：沿时间维度（T）聚合结果，得到形状为(H, W, C)的布尔掩码，True表示该像素在所有帧中完全一致。
• 最后通过掩码筛选，保留静态像素值，将非静态像素置0（可根据需求改为其他填充值）。

这种方法严格保证只有所有时间帧中像素值完全相同的位置才会被保留，且NumPy的向量化操作比循环调用OpenCV函数的效率高得多，尤其适合大尺寸、多时序帧的场景。

内容的提问来源于stack exchange，提问作者cyril