如何基于三维ndarray前两个波段生成符合条件的二维掩膜数组

报错根因 #

• numpy不支持0.2 < array[1] < 0.4这种连续比较语法，该写法实际执行逻辑是先计算0.2 < array[1]得到布尔数组，再直接将整个布尔数组和0.4做判断，完全不符合逐元素判断区间的预期。
• 你生成的mask是*（794, 1255）维度的二维布尔数组，直接用来索引（3, 794, 1255）*的三维数组时，维度匹配规则不匹配，触发索引错误。

正确实现 #

生成符合要求的二维0/1掩膜 #

# 拆分区间比较条件，每个条件单独加括号避免运算符优先级问题
mask_bool = (array[0] > 0.65) & (array[1] > 0.2) & (array[1] < 0.4)
# 布尔数组直接转int即可得到0/1掩膜，尺寸和xy维度完全对应
mask = mask_bool.astype(int)

该实现基于numpy原生向量化运算，无额外循环，处理大尺寸阵列时性能最优，是当前场景下的最优写法。

常见衍生操作 #

如果需要基于掩膜提取原三维数组的有效像素：

# 输出维度为(3, 有效像素个数)，每列对应一个有效像素的三个波段值
valid_values = array[:, mask_bool]

如果需要将原数组不满足条件的像素全部置0：

# 给掩膜增加波段维度，和原数组维度对齐后赋值
array[~np.expand_dims(mask_bool, axis=0)] = 0

内容的提问来源于stack exchange，提问作者Reut