如何高效获取4D Numpy数组每行的唯一像素值？

我来给你捋捋这个问题，你遇到的情况其实是numpy的np.unique和apply_along_axis在处理可变长度结果时的常见坑——因为不同行的唯一像素数量可能不一样，numpy没法直接生成规整的二维/三维数组，所以直接用axis参数或者apply_along_axis会出问题。下面给你几个实用高效的解决方案：

1. 最简洁直接的列表推导式 #

这种方法简单易懂，效率也不差，完全贴合你的需求：先把数组压缩掉多余的维度，然后遍历每一行单独执行np.unique，最后收集结果。

示例代码：

import numpy as np

# 构造测试数组，形状(1, 3, 19, 3)
test_nested_array = np.random.randint(0, 256, (1, 3, 19, 3), dtype=np.uint8)

# 去掉第一个无用的维度，得到形状(3, 19, 3)的数组
squeezed_arr = test_nested_array.squeeze(0)

# 批量提取每行的唯一像素
unique_pixels_per_row = [np.unique(row, axis=0) for row in squeezed_arr]

• 结果是一个列表，每个元素对应一行的唯一像素数组，长度可以不同，完美匹配需求。
• 如果需要保持numpy数组的结构，可以转成object类型的数组：np.array(unique_pixels_per_row, dtype=object)，这样每个元素是可变长度的子数组。

2. 性能优化：将RGB像素转为标量处理 #

如果你的数据量很大，想要更高效的处理，可以把每个RGB像素（3个uint8值）转成一个唯一的整数，这样去重操作会更快，最后再转回RGB格式：

示例代码：

import numpy as np

test_nested_array = np.random.randint(0, 256, (1, 3, 19, 3), dtype=np.uint8)
squeezed_arr = test_nested_array.squeeze(0)

# 将每行的RGB像素转为单个uint32整数（利用numpy的view机制）
# 这里通过添加一个空字节凑成4字节，不影响RGB值的唯一性
arr_as_int = squeezed_arr.view(np.uint32).reshape(squeezed_arr.shape[0], squeezed_arr.shape[1])

unique_pixels = []
for row_int in arr_as_int:
    # 提取唯一整数
    unique_int = np.unique(row_int)
    # 转回RGB格式，注意字节顺序（这里是小端，适配大部分系统）
    unique_rgb = unique_int.view(np.uint8).reshape(-1, 3)
    unique_pixels.append(unique_rgb)

这种方法的优势是把多维度的像素比较转成了单值比较，在大数据量下会比直接处理三维数组更快。

为什么原来的方法不行？ #

• 直接用np.unique(test_nested_array.squeeze(0), axis=2)：这个操作是把整个数组的第三维（19个像素的维度）当成去重轴，相当于对所有行的像素一起去重，而不是每行单独处理，结果自然不符合预期。
• 使用np.apply_along_axis：这个函数要求每个行处理后返回的结果长度必须一致，但不同行的唯一像素数量可能不同，所以会触发广播错误，没法生成规整的数组。

内容的提问来源于stack exchange，提问作者mabergerx