python：在具有相应2d数组的3d numpy数组的每个切片中设置索引值

Question

我有一个大小为8x512x512的3d堆栈，并希望基于两个单独的对应2d 512x512数组为每个8x --512x512-数组设置值。

Array1是具有所需形状的二进制，而Array2具有通过3d数组投影的值。我希望来自Array2的值出现在Array1值等于1的3d数组中的每个512x512切片上。因此，如果Array1是一个边界框，而Array2是一张猫脸，其面位于边界框的区域内...我希望将猫脸投影到8x512x512阵列的每个8x切片上。

我认为这是一个简单的问题，但只能想到我认为是愚蠢的方法：

Array1 = np.zeros((512,512)); Array1[10:20,40:60]=1
Array2 = np.load(somecatpicture)
Array3d = np.random.rand(8,512,512)

for imnum in range(Array3d.shape[0]):
    tmp = np.copy(Array3d[imnum,...])
    tmp[Array1==1] = Array2[Array1==1]
    Array3d[imnum,...] = tmp

或：

Array1 = np.zeros((512,512)); Array1[10:20,40:60]=1
Array2 = np.load(somecatpicture)
Array3d = np.random.rand(8,512,512)

stack1 = np.array([Array1 for i in range(Array3d.shape[0])])
stack2 = np.array([Array2 for i in range(Array3d.shape[0])])
Array3d[stack1==1] = stack2[stack1==1]

我认为有某种方法可以做到无需循环或列表理解：

Array3d[:,[Array1==1]]=Array2[Array1==1]

？

Answer 1

让我们尝试一个可以可视化的较小示例

图像和蒙版。 mask==1等同于将其转换为布尔值：

In [280]: img = np.arange(12).reshape(3,4)*10                                                  
In [281]: mask = np.zeros((3,4),int); mask[1,1:3]=1                                            
In [282]: mask = mask.astype(bool)                                                             
In [283]: mask                                                                                 
Out[283]: 
array([[False, False, False, False],
       [False,  True,  True, False],
       [False, False, False, False]])

所以图像的所选部分是：

In [284]: img[mask]                                                                            
Out[284]: array([50, 60])

定义3d目标数组：

In [285]: arr = np.arange(24).reshape(2,3,4)                                                   
In [286]: arr                                                                                  
Out[286]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

应用蒙版-第一维的[[0],[1]]索引：

In [287]: arr[np.arange(arr.shape[0])[:,None],mask]                                            
Out[287]: 
array([[ 5,  6],
       [17, 18]])

并执行插入操作：

In [288]: arr[np.arange(arr.shape[0])[:,None],mask]=img[mask]                                  
In [289]: arr                                                                                  
Out[289]: 
array([[[ 0,  1,  2,  3],
        [ 4, 50, 60,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 50, 60, 19],
        [20, 21, 22, 23]]])

np.arange(arr.shape[0])[:,None]是将插入应用于所有块的键。