如何将MNIST数据集的Numpy灰度图像转换为黑白二值图像？

当然有简单的方法啦！在NumPy里处理这种阈值二值化操作非常方便，我给你分享两种常用且高效的实现方式：

• 布尔索引转换法
  利用NumPy的数组比较特性直接生成布尔数组，再转换为整数类型就能得到0和1的二值图像：

  import numpy as np
  
  # 假设你的MNIST图像数组为images，形状可以是单张图的(28,28)或批量的(样本数,28,28)
  binary_images = (images > 128).astype(np.int32)
  

  原理很简单：images > 128会生成一个由True/False组成的布尔数组，其中大于128的像素为True，其余为False；astype(np.int32)会把True转为1，False转为0，刚好符合你的需求。

• np.where条件赋值法
  如果你想要更直观的条件声明，可以用np.where函数，直接指定满足/不满足阈值时的取值：

  binary_images = np.where(images > 128, 1, 0)
  

  这个函数的逻辑是：第一个参数是判断条件，满足条件的位置取第二个参数的值（1），不满足的位置取第三个参数的值（0），一步就能生成目标二值数组。

这两种方法都支持批量处理整个MNIST数据集的多维数组，不需要循环遍历每个样本，效率拉满～

备注：内容来源于stack exchange，提问作者Noë Mastrorillo