嵌套for循环报truth value ambiguous错误 如何实现像素矩阵二值化

运行时抛出*truth value ambiguous（真值歧义）*错误，核心原因是嵌套循环中if判断的比较对象不是单个像素标量值，而是numpy数组类型的行/子矩阵：对数组做>0比较会返回一个同维度的布尔数组，if语句无法将多元素的布尔数组转换为单个真值做分支判断，就会触发该报错。

根据使用场景选以下任意一种即可：

• 修正嵌套循环写法（兼容普通Python嵌套列表、numpy矩阵）
  不要直接迭代矩阵元素，改用行列索引定位单个像素值做判断，避免取到子数组：

def convert_to_boolean(pixel_matrix):
    row_count = len(pixel_matrix)
    if row_count == 0:
        return pixel_matrix
    col_count = len(pixel_matrix[0])
    for i in range(row_count):
        for j in range(col_count):
            if pixel_matrix[i][j] > 0:
                pixel_matrix[i][j] = 1
    return pixel_matrix

• numpy向量化实现（千级/万级元素大矩阵首选，性能远高于循环）
  不需要写任何遍历逻辑，直接做批量矩阵运算，从根源避免真值判断歧义，运行效率比手写循环高数十倍：

import numpy as np

def convert_to_boolean(pixel_matrix):
    # 如果传入的已经是numpy数组，可省略array转换步骤
    pixel_arr = np.asarray(pixel_matrix)
    return (pixel_arr > 0).astype(np.uint8)

函数返回的结果就是仅包含0、1值的二值矩阵，完全匹配需求。

• 纯Python列表推导式实现（无第三方依赖，适配普通嵌套列表）
  写法比显式嵌套循环更简洁，不会触发子数组判断问题：

def convert_to_boolean(pixel_matrix):
    return [[1 if pixel > 0 else 0 for pixel in row] for row in pixel_matrix]

避坑提示：只要if后接的判断结果是多元素布尔数组而非单个布尔值，就一定会触发真值歧义错误，做判断前一定要确认你操作的是单个像素值，而非整行/整块子矩阵。

内容的提问来源于stack exchange，提问作者Jord Beek