如何从4D numpy RGB数组中获取符合RGB阈值要求的[z,y,x]像素坐标索引

现有代码存在的问题 #

• 空数组维度冗余：你当前定义的empty_array和原始影像数组同shape为[z,y,x,3]，但我们只需要为每个3D空间位置分配类别标签，不需要保留通道维度，会浪费存储空间。
• 逻辑判断未校验单像素三通道同时满足条件：你单个像素的测试判断逻辑是通顺的，但批量处理时直接调用np.logical_and(RGB_array>=lowerbound, RGB_array<=upperbound)得到的是4维布尔数组，仅代表单个通道的阈值匹配结果，没有保证同一个空间位置的R、G、B三个通道同时落在阈值区间内，需要额外对最后一个通道做全匹配校验。
• 重叠阈值覆盖问题：如果不同聚类簇的阈值区间存在重叠，后遍历到的簇的赋值会直接覆盖之前的结果，若你没有允许覆盖的需求需要额外处理。

修正后的实现代码 #

import numpy as np

# 原始数据转换
RGB_array = np.asarray(only_3D)
# 定义3维标签数组，仅保留z,y,x三个空间维度
empty_array = np.zeros(RGB_array.shape[:3], dtype=np.int32)

for c_num, cluster in enumerate(clusters):
    lowerbound = [cluster[0]-threshold, cluster[1]-threshold, cluster[2]-threshold]
    upperbound = [cluster[0]+threshold, cluster[1]+threshold, cluster[2]+threshold]
    # 核心修正：对最后一个通道（c维度）做all()，确保三个通道同时满足阈值
    match_mask = np.all(
        np.logical_and(RGB_array >= lowerbound, RGB_array <= upperbound),
        axis=-1
    )
    # 匹配位置赋值为当前类别编号
    empty_array[match_mask] = c_num + 1

# 提取所有满足当前簇阈值的[z,y,x]坐标
z_coords, y_coords, x_coords = np.where(match_mask)
# 拼接为[n, 3]格式的坐标数组，每一行对应一个符合要求的像素坐标
coords = np.stack([z_coords, y_coords, x_coords], axis=1)

额外说明 #

如果你需要单独提取某一类别的所有坐标，只需要将np.where的输入替换为empty_array == 目标类别编号即可，比如提取第1类的坐标就写np.where(empty_array == 1)。

内容的提问来源于stack exchange，提问作者sghosh