如何用NumPy/OpenCV高效提取蓝通道值大于0的图像坐标？

当然有！你写的嵌套循环虽然直观，但在处理大图像时效率极低——Python层的循环速度远不如NumPy/OpenCV底层的向量化操作。下面两种方法能帮你快速实现需求，代码更简洁，速度快几个数量级：

方法一：用NumPy的np.where（推荐） #

NumPy的where函数可以直接向量化找出满足条件的所有索引，完全不需要手动循环：

import numpy as np

# 提取蓝通道（OpenCV图像是BGR格式，索引0对应蓝通道）
blue_channel = image[:, :, 0]
# 获取所有蓝通道值>0的行、列索引
rows, cols = np.where(blue_channel > 0)
# 转换成和朴素方法一致的(row, col)元组列表（如果需要的话）
points = list(zip(rows, cols))

为什么高效？ #

NumPy的向量化操作是在C语言层面执行的，避开了Python解释器的循环开销，尤其是当图像分辨率很高时，这种差距会非常明显。如果后续处理不需要列表格式，直接保留rows和cols数组进行计算会更高效。

方法二：用OpenCV的cv2.findNonZero #

如果你更习惯用OpenCV的API，也可以用findNonZero函数，它专门用来查找单通道图像中的非零像素坐标：

import cv2
import numpy as np

# 提取蓝通道并生成二值掩码（>0的像素设为255，其余为0）
blue_channel = image[:, :, 0]
mask = (blue_channel > 0).astype(np.uint8) * 255
# 获取非零像素坐标（返回格式为Nx1x2的数组，每个元素是(col, row)）
non_zero_coords = cv2.findNonZero(mask)
# 转换成(row, col)的元组列表
points = [tuple(coord[0][::-1]) for coord in non_zero_coords]

注意事项 #

cv2.findNonZero返回的坐标顺序是**(列, 行)，所以需要用[::-1]反转成和朴素方法一致的(行, 列)**顺序。如果不需要列表，也可以直接对non_zero_coords进行数组操作。

内容的提问来源于stack exchange，提问作者Headcrab