提供了一个带有标签的图像(像素的值对应于其标签)以及接受的标签列表，如果像素标签被接受，我正在尝试创建一个具有255值的"蒙版"图像，否则0。
我知道这是一种缓慢的方法，因为它以 python 速度迭代图像(但它很好地展示了这个想法)：
mask = numpy.zeros(labels.shape[:2], dtype = "uint8")
for i in xrange(mask.shape[0]):
for j in xrange(mask.shape[1]):
if labels[i][j] in accepted:
mask[i][j] = 255
我知道使用 python 切片和掩码要快得多，但我不知道如何编写复杂的条件。当我逐个屏蔽像素接受的标签时，我仍然会得到巨大的加速，如下所示：
for value in accepted:
mask[labels == value] = 255
我可以以某种方式让单行做我想做的事吗？我的 python 知识很生疏(阅读：过去几年几乎没有 python)，所以当我尝试使用我找到的一些示例来编写它时，这是我得到的最接近的：
mask[(labels in accepted).all()] = 255
在这种情况下，我收到以下错误：ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
我看过类似的SO问题(例如，这里或这里等等)，但它们似乎都涵盖了值来自范围或低于/高于阈值(<10)的情况，或者要更改的图像切片是连续的。
任何关于如何检查"是接受值中的值"的建议都会很棒。
与此同时，我为自己的问题找到了一个可接受的速度解决方案：
mask = numpy.zeros(labels.shape[:2], dtype = "uint8")
mask[numpy.in1d(labels, accepted).reshape(mask.shape)] = 255
它包括首先使用numpy.in1d从labels数组中获取布尔数组，并检查accepted中存在哪些数组(python 关键字"in"的元素函数)。
由于这显然必然返回一个 1D 数组，即使它可以应用于 2D 数组(它只是解开数组)，所以我接下来使用reshape()使布尔数组维度对应于mask的维度。
最后，我使用这个布尔数组来索引mask所需的元素，并将它们设置为所需的值。
list_pixels = np.array( [img[x,y,:] for x,y in zip(np.where(bool_obj)[0], np.where(bool_obj)[1])] )