将2D numpy数组替换为3D(元素到向量)

Question

这个问题以前可能有人问过，所以我很高兴能找到答案，但我找不到。

我有一个True和False的2D numpy数组。现在我需要将其转换为黑白图像(3D numpy数组(，也就是说，我需要[0,0,0]来代替每个False，需要[1,1,1]来代替每一个True。最好的方法是什么？例如，

Input:
[[False, True],
[True, False]]
Output:
[[[0, 0, 0], [1, 1, 1]],
[[1, 1, 1], [0, 0, 0]]]

(您可能知道，3D图像是形状为(height, width, 3)的阵列，其中3是深度维度，即通道数量。(

如果有人能告诉我如何将其转换回来，也就是说，如果我有一个纯黑白图像(纯[0,0,0]和[0,0,1]像素(，我如何获得相同高度和宽度尺寸的2D矩阵，但用True代替白色像素([1,1,1](，用False代替黑色像素([0,0,0](。

Answer 1

最便宜的方法是将bool数据视为np.uint8，并添加一个伪维度：

img = np.lib.stride_tricks.as_strided(mask.view(np.uint8),
strides=mask.strides + (0,),
shape=mask.shape + (3,))

与mask.astype(np.uint8)不同，mask.view(np.uint8)不复制数据，而是利用bool_存储在单个字节中的事实。类似地，np.lib.stride_tricks.as_strided创建的新维度是一个不复制任何数据的视图。

您可以通过手动创建一个新的数组对象来绕过as_strided和view：

img = np.ndarray(shape=mask.shape + (3,), dtype=np.uint8,
strides=mask.strides + (0,), buffer=mask)

Answer 2

我认为最清晰的方法是：

a = np.array([[False, True], [True, False]])
out = np.zeros((*a.shape, 3), dtype=np.uint8)
out[a.nonzero()] = 1
>>> out
array([[[0, 0, 0],
[1, 1, 1]],
[[1, 1, 1],
[0, 0, 0]]], dtype=uint8)