如何高效获取Mask的边缘坐标？寻求基于Numpy的优化方案

原Mask数组 #

import numpy as np

mask = np.array([
    [  0,   0,   0,   0, 255,   0,   0,   0,   0],
    [  0,   0, 255, 255, 255, 255, 255,   0,   0],
    [  0, 255, 255, 255, 255, 255, 255, 255,   0],
    [  0, 255, 255, 255, 255, 255, 255, 255,   0],
    [255, 255, 255, 255, 255, 255, 255, 255, 255],
    [  0, 255, 255, 255, 255, 255, 255, 255,   0],
    [  0, 255, 255, 255, 255, 255, 255, 255,   0],
    [  0,   0, 255, 255, 255, 255, 255,   0,   0],
    [  0,   0,   0,   0, 255,   0,   0,   0,   0]
])

目标边缘Mask #

我们需要提取的边缘点满足：当前点非零，且上下左右至少有一个零（包含边界点，比如第一行的非零点本身就是边缘）。目标边缘数组如下：

target_edge = np.array([
    [  0,   0,   0,   0, 255,   0,   0,   0,   0],
    [  0,   0, 255, 255,   0, 255, 255,   0,   0],
    [  0, 255,   0,   0,   0,   0,   0, 255,   0],
    [  0, 255,   0,   0,   0,   0,   0, 255,   0],
    [255,   0,   0,   0,   0,   0,   0,   0, 255],
    [  0, 255,   0,   0,   0,   0,   0, 255,   0],
    [  0, 255,   0,   0,   0,   0,   0, 255,   0],
    [  0,   0, 255, 255,   0, 255, 255,   0,   0],
    [  0,   0,   0,   0, 255,   0,   0,   0,   0]
])

原循环实现的问题 #

你之前的双层循环代码存在两个明显问题：

1. 效率低下：Python循环在处理大尺寸数组时速度极慢；
2. 边界遗漏：循环范围range(1,height-1)跳过了第一行和最后一行，无法提取这些边界上的边缘点。

优化的Numpy向量化实现 #

利用Numpy的向量化操作可以高效解决这个问题，核心是通过数组移位和逻辑运算批量判断每个点是否为边缘：

# 将mask转换为布尔数组（非零为True，零为False）
mask_bool = mask != 0

# 生成四个方向的邻域数组，边界补False（模拟无邻域的情况）
up = np.pad(mask_bool[1:,:], ((0, 1), (0, 0)), mode='constant', constant_values=False)
down = np.pad(mask_bool[:-1,:], ((1, 0), (0, 0)), mode='constant', constant_values=False)
left = np.pad(mask_bool[:,1:], ((0, 0), (0, 1)), mode='constant', constant_values=False)
right = np.pad(mask_bool[:,:-1], ((0, 0), (1, 0)), mode='constant', constant_values=False)

# 计算边缘掩码：当前点为前景，且至少一个邻域为背景
edge_mask = mask_bool & (~up | ~down | ~left | ~right)

# 提取边缘点的坐标
y_coords, x_coords = np.nonzero(edge_mask)

代码说明 #

1. 布尔数组转换：把原mask的非零值转为True，零值转为False，简化后续逻辑运算；
2. 邻域数组生成：通过np.pad补全移位后的数组形状，边界补False，确保每个点都有对应的上下左右邻域（边界点的邻域视为背景）；
3. 边缘判断：mask_bool & (~up | ~down | ~left | ~right)表示：当前点是前景，且上下左右至少有一个是背景，完全符合边缘点的定义；
4. 坐标提取：np.nonzero(edge_mask)直接返回所有边缘点的行、列坐标，结果为Numpy数组，方便后续处理。

这种方法完全避免了Python循环，利用Numpy的底层优化实现高速运算，处理大尺寸mask时效率提升尤为明显。

内容的提问来源于stack exchange，提问作者bonzoon