这篇文章主要介绍Python中numpy生成mask图像的案例，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
在numpy中，有一个模块叫做ma，这个模块几乎复制了numpy里面的所有函数，当然底层里面都换成了对自己定义的新的数据类型MaskedArray的操作。
我们来看最基本的array定义。
An array class with possibly masked values. Masked values of True exclude the corresponding element from any computation.
MaskedArray是一个可能带有掩膜信息的数组，对于它的任何计算都是只针对掩膜值为True的数值上的。
Construction:: x = MaskedArray(data, mask=nomask, dtype=None, copy=False, subok=True, ndmin=0, fill_value=None, keep_mask=True, hard_mask=None, shrink=True, order=None)
这个class的属性有很多，但是呢，我们只需要关注三个属性就好了，也就是data，mask和fill_value。其他的属性很难用到，举个例子，比如那个hard_mask，这个属性为True就是指data一旦某些值被掩盖掉了就真的丢失了。详细的可以看源码注解。这里不过多介绍。
Parameters ---------- data : array_like Input data. mask : sequence, optional Mask. Must be convertible to an array of booleans with the same shape as `data`. True indicates a masked (i.e. invalid) data. fill_value : scalar, optional Value used to fill in the masked values when necessary. If None, a default based on the data-type is used.
data就不多说了，一个array_like，tuple，list，ndarray都行。
mask是一个只包含True和False的ndarray，它的shape和data一致，这个数组是让你指定需要掩盖的值的，标记为True的数据会被掩盖掉。被掩盖的位置会变成 –（这是两个短横杠，类型是MaskedConstant）
fill_value是一个标量，当你掩盖掉一些值之后，如果你想把这些被掩盖的值换成另外一个值，那么你就需要用到它。
import numpy.ma as npm import numpy as np data = np.random.randint(1, 10, size=[1, 5, 5]) mask = data < 5 arr = npm.array(data, mask=mask) print(arr) #[[[6 6 -- 8 --] # [-- -- -- 6 7] # [9 -- -- 6 9] # [-- -- 5 -- 8] # [6 9 -- 5 --]]]
不过numpy也可以直接对ndarray进行条件运算。
import numpy as np arr = np.random.randint(1, 10, size=[1, 5, 5]) mask = arr<5 arr[mask] = 0 # 把标记为True的值记为0 print(arr) #[[[9 9 7 6 0] # [0 0 6 9 0] # [8 0 8 5 0] # [0 5 5 8 9] # [0 7 0 0 6]]]
以上是Python中numpy生成mask图像的案例的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！
