使用布尔数组掩码替换NumPy三维RGB图像指定像素的方法

嘿，这个需求其实超简单，NumPy的布尔索引天生就是干这个的，比写Python循环高效太多了！直接看示例代码吧：

import numpy as np

# 先模拟你的输入数据（实际使用时替换成你自己的数组）
# 500x500的RGB图像数组，dtype用uint8符合图像存储规范
img = np.random.randint(0, 256, size=(500, 500, 3), dtype=np.uint8)
# 500x500的布尔掩码数组（这里随机生成10%的True区域做演示）
mask = np.random.choice([True, False], size=(500, 500), p=[0.1, 0.9])
# 目标RGB颜色数组（比如这里用纯红色，注意dtype和图像保持一致）
color = np.array([255, 0, 0], dtype=np.uint8)

# 核心替换操作——一行代码搞定！
img[mask] = color

关键细节解释 #

• 自动广播机制：当你用img[mask]时，NumPy会自动把二维的mask扩展成和图像匹配的三维形状（500,500,3），选中所有mask为True的像素点（这些点会组成一个(N,3)的数组，N是mask中True的数量）。而你的(3,)颜色数组会被自动广播成(N,3)的形状，刚好和选中的像素维度匹配，完美完成替换。
• 数据类型一致性：一定要确保color的dtype和图像数组一致（比如都是uint8），避免出现不必要的类型转换导致颜色失真。如果你的color是普通Python列表（比如[255,0,0]），NumPy也能自动处理，但显式转成numpy数组会更稳妥。

如果需要替换的是mask为False的区域，只需要对mask取反即可：

img[~mask] = color

这种方法完全依赖NumPy的底层C实现，处理大尺寸图像的速度比手动循环快几个数量级，非常适合图像处理场景。

内容的提问来源于stack exchange，提问作者Jonathan