如何确定numpy数组是否包含沿第三维的向量?

解决问题的一个不错的可能性是(如果你能负担得起额外的临时内存):

import numpy as np

target = np.array([255, 0, 0])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,0,255]]])

# works for general N-D sub-arrays
adjusted_shape = search_area.reshape((-1, *target.shape))

contains_target = target.tolist() in adjusted_shape.tolist() # False

如果你的数组是整数,你可以使用 numpy.array_equal() 检查数组是否匹配(如果使用 float 你看 numpy.allclose() 相反)。假设要匹配的子数组始终位于第三个子行中,您可以执行以下操作:

if sum(np.array_equal(target,a) for a in arr[:,2]):
    # Contains the target!

如果子数组出现在任何可以使用的地方:

sum(np.array_equal(target,item) for sublist in arr for item in sublist))

注意:这并没有回答一般的问题,但对于查找图像是否包含特定颜色的像素这一特定问题,速度要快几个数量级。

import cv2
import numpy

target_lower = np.array([250, 0, 0])
target_upper = np.array([255, 5, 5])
search_area = np.array([[[0,0,0],[1,1,1],[2,2,2]],
                        [[3,3,3],[4,4,4],[5,5,5]],
                        [[6,6,6],[7,7,7],[8,0,255]]])

mask = cv2.inRange(search_area, target_lower, target_upper)
mask = mask.astype(bool)

contains_target = (True in mask)

此外,它的好处是为目标颜色提供了一点灵活性。