灰度图转二值图遇Numpy标量索引错误，求解决技巧

嘿，我来帮你搞定这个Numpy错误！先揪出问题根源，再给你几个实用的规避技巧～

错误根源先搞懂 #

你写的range(img_as_np)是核心问题！img_as_np是二维数组（灰度图的Numpy表示），但range()只接受整数参数，把数组丢进去自然就触发了那个“只能把整数标量数组转成标量索引”的错误。

实用规避技巧 #

技巧1：修正循环范围，用数组shape属性 #

先获取图像的高度和宽度（数组的两个维度数值），再用这两个整数定义循环范围，这是最直接的修复方式：

import numpy as np 
import matplotlib.pyplot as plt 

fname = 'nao_bw.jpg' 
img = plt.imread('/Users/anil/Desktop/nao_bw.jpg') 
img_as_np = np.asarray(img)

# 先拿到图像的高度和宽度
height, width = img_as_np.shape
# 初始化一个和原图同形状的二值图像数组
binary_img = np.zeros_like(img_as_np)

# 正确的嵌套循环逻辑
for i in range(height):
    for j in range(width):
        if img_as_np[i, j] < 100:
            binary_img[i, j] = 0  # 低于阈值设为黑色
        else:
            binary_img[i, j] = 255  # 高于阈值设为白色

# 展示转换后的二值图像
plt.imshow(binary_img, cmap='gray')
plt.show()

技巧2：用Numpy向量化操作替代循环（更推荐！） #

Numpy天生擅长批量数组运算，向量化操作不仅比嵌套循环快N倍，还能彻底避免索引类错误，一行代码就能完成二值化：

# 一行搞定：低于100的像素设为0，其余设为255
binary_img = np.where(img_as_np < 100, 0, 255)

如果你的图像是float类型（比如plt.imread读入的部分图像取值在0~1区间），记得把阈值改成100/255（约0.39）哦。

技巧3：检查图像维度与数据类型 #

有时候你以为是灰度图，其实是RGB三通道图（shape为(height, width, 3)），或者图像数据类型是float导致阈值设置错误，提前做检查能避免很多坑：

# 判断是否为三通道图像，转成单通道灰度图
if len(img_as_np.shape) == 3:
    img_as_np = np.mean(img_as_np, axis=2).astype(np.uint8)

# 检查数据类型和取值范围，避免阈值设置错误
print(f"图像数据类型：{img_as_np.dtype}，取值范围：{img_as_np.min()}~{img_as_np.max()}")

比如输出如果是float32且范围0~1，那阈值就要用100/255而不是100。

内容的提问来源于stack exchange，提问作者Anil