Python Tricks（一）—— np.where 与最大最小截断

0. 基本用法

np.where(condition, [X, Y])

>>> np.where([[True, False], [True, True]],
    ...          [[1, 2], [3, 4]],
    ...          [[9, 8], [7, 6]])
    array([[1, 8],
           [3, 4]])

• condition, X, Y：要求 shape 相同，如有必要，会进行 broadcast
• 如果对应位置 condition 中为 True，则选择 X 中对应位置上的元素；如果为 False，选择的是 Y 中对应位置上的元素；
• condition, X, Y：三个参数齐全的话，返回的是如上所说的对应位置的元素；否则返回的是 condition 为 True 时的索引；

1. 最大最小截断

图像处理中，对图像矩阵经历一系列的处理之后，常常会有一些像素值出现小于 0 或大于 255 的情况，显然是不符合 8 位深的要求的，此时我们就需做如下截断处理：

I[I > 255] = 255;
I[I < 0] = 0;

当然我们也可以使用 where 语句：

I = np.where(np.where(I > 255, 255, I) < 0, 0, I);

2. 返回索引

• 2D array：i, j = np.where(a == value)
• 1D array：i, = np.where(a == value)