如何过滤3D RGB numpy数组获取绿色区域二维掩码

原有代码无法得到预期结果的核心原因是维度不匹配：

• 直接执行Map[:,:] == [0,255,0]时，NumPy会通过广播逐通道比较像素值，返回的是形状为(W,H,3)的三维布尔数组，每个位置分别标记R、G、B单通道是否匹配目标值，不是「像素整体为绿色」的二维判断结果
• 用这个三维布尔数组去索引形状为(W,H)的二维零数组A时，维度无法对齐，自然无法正常运行。

严格匹配纯色的实现 #

如果需要精确匹配RGB值为[0,255,0]的纯绿色像素，只需要在通道维度做全True判断即可，代码如下：

import numpy as np

W = 100
H = 100

Map = np.zeros((W, H, 3), dtype=int)
Map[1, 1] = [0, 255, 0]

# 沿最后一个通道维度做逻辑与判断，直接得到(W,H)形状的二维布尔掩码
green_mask = (Map == [0, 255, 0]).all(axis=-1)

# 转成0/1格式的结果数组，True对应1，False对应0
A = green_mask.astype(int)

关键逻辑说明：

• .all(axis=-1)表示沿着数组最后一个维度（也就是RGB通道维度）做逻辑与运算，只有某个像素的R、G、B三个通道都匹配目标值时，对应掩码位置才为True
• 直接用astype(int)做类型转换，比提前创建零数组再索引赋值的写法更简洁，运行效率也更高。

适配带色差场景的实现 #

如果处理的是实际拍摄/压缩后的图片，绿色像素不会严格等于[0,255,0]，可以加颜色容差判断：

target_green = np.array([0, 255, 0])
# 计算每个像素和目标绿色的通道差值总和，小于阈值则判定为绿色区域
color_tolerance = 15
green_mask = np.abs(Map - target_green).sum(axis=-1) < color_tolerance
A = green_mask.astype(int)

你可以根据实际场景调整color_tolerance的大小，容差越大，判定为绿色的颜色范围越宽。

内容的提问来源于stack exchange，提问作者AlexM