这个问题在这里已有答案：
我有一个np.array，它本质上是RGB格式的图像。我重新塑造它更容易使用。因此，它的形状类似于：(22618, 3)，每行对应一个像素。我想检查是否有一些像素对应于特定的颜色，以及它们中有多少是这种颜色。
让我们说颜色是在元组中定义的(0, 255, 255)和(255, 0, 0)。包含数据的np.array也是data（真正原创！）。
当我尝试：
any(data[(data2 == colors[0])])
它按预期工作。如果有任何像素（三元组）对应于colors[0]的三元组，则返回True，否则False。但当我尝试这样的事情：
np.sum(data[(data == colors[1])])
结果是对发现包含相同颜色的每个像素的所有像素值（R + G + B）求和。
我只使用包含布尔值（data == colors[1]）的数组，但收效甚微。另外，我尝试对特定轴求和并没有多大帮助：
np.sum(data == colors[1], axis=0)
数组（[373,22618,22618]）
我可以在这里做一些棘手的数学知道，最多373像素可能是正确的颜色，但它不是精确的计算。我可以在这个bincount中使用像question这样的功能，但结果似乎需要额外的工作，而且一些实验没有显示按预期工作。
那么，我如何计算具有相同颜色的像素数？有任何想法吗？
您希望给定行的所有元素都匹配您的模板颜色，因此您应该使用np.all逐行，即axis 1.这将导致一个布尔数组，每行有一个真值。
剩下要做的就是数数：
np.count_nonzero(np.all(data == colors[i], axis=1))
我们来看看这些数据：
data = np.array([(0,0,255),(0,0,255),(0,255,0),(0,0,0)])
我们正在寻找这种颜色：
colour = (0,0,255)
计算匹配的元组数：
match = [(x == colour).all() for x in data]
你的答案：
print(np.sum(match))
一内胆：
print(np.sum([(x == colour).all() for x in data]))
（如果我的问题是正确的）
如果您对许多颜色感兴趣，那么按照这些方式做一些事情会更有效：
import numpy_indexed as npi
unique_colors, counts = npi.count(npi.intersection(data, colors))
这将有效地计算所有感兴趣的颜色的计数。 （免责声明：我是numpy_indexed包的作者）。