Python:获取数组所有掩码的最快方法

Question

有没有比遍历二维数组的所有组件更快的方法来获取特定范围内的所有可能的掩码，例如:

import numpy as np
numOfLabels = 80
array2D = np.random.choice(255,(512,512))
for i in range(1,numOfLabels):
    mask = array2D==i

也许是广播和创建一个带有所有面具的 3d 数组

编辑:

感谢您已经写好的答案。
为了更好的解释。我想做什么:

我有一个带有组件的二维标签矩阵。组件标有数字，比如说 1 到 80。我有两个图像。现在我想为所有 80 个组件计算这两个图像的平均值、最大值、最小值。也许我的想法完全错误。

EDIT2:

根据评论，我找到了一种使用以下代码的方法:

from scipy import ndimage
import numpy as np

def calculateMeanMaxMin(val):
    return np.array([np.mean(val),np.max(val),np.min(val)])

def getTheStatsForComponents(array1,array2):
    ret, thresholded= cv2.threshold(array2, 50, 255, cv2.THRESH_BINARY)
    thresholded= thresholded.astype(np.uint8)
    numLabels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresholded, 8, cv2.CV_8UC1)
    allComponentStats=[]
    meanmaxminArray2 = ndimage.labeled_comprehension(array2, labels, np.arange(1, numLabels+1), calculateMeanMaxMin, np.ndarray, 0)
    meanmaxminArray1 = ndimage.labeled_comprehension(array1, labels, np.arange(1, numLabels+1), calculateMeanMaxMin, np.ndarray, 0)
    for position, label in enumerate(range(1, numLabels)):
        currentLabel = np.uint8(labels== label)
        _, contour, _ = cv2.findContours(currentLabel, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
        (side1,side2)=cv2.minAreaRect(contour[0])[1]
        componentStat = stats[label]
        allstats = {'position':centroids[label,:],'area':componentStat[4],'height':componentStat[3],
                              'width':componentStat[2],'meanArray1':meanmaxminArray1[position][0],'maxArray1':meanmaxminArray1[position][1],
                              'minArray1':meanmaxminArray1[position][2],'meanArray2':meanmaxminArray2[position][0],'maxArray2':meanmaxminArray2[position][1],
                              'minArray2':meanmaxminArray2[position][2]}
        allComponentStats.append(allstats)
    return allComponentStats

但我想知道是否有一种更快的方法可以将所有组件的所有统计信息写入字典，因为我不知道 ndimage.measurements.labeled_comprehension 是否很快，以及我是否能以某种方式避免这个循环？

Answer 1

您可以使用 np.put_along_axis一次创建所有蒙版。所有未标记的点都到平面零:

all_masks = np.zeros((numOfLabels, *array2D.shape), bool)
np.put_along_axis(all_masks, array2D*(array2D<numOfLabels)[None], True, axis=0)

# check
for i in range(1,numOfLabels):
    assert (all_masks[i] == (array2D==i)).all()