我有一个形状为(height, width, 3)的三维数组，它代表一个BGR图像，值是[0，1]中的浮点数。
在对像素进行一些操作之后，我得到一个形状为(height, width)的二维数组，数组中的值是对每个像素执行一些操作的结果。
现在我想比较原始图像和结果，更具体地说，我想比较每个像素的每个BGR分量和位于同一坐标的结果数组的值。
例如，我想知道每个像素中哪个BGR分量最大：

import numpy as np

img = np.random.random((360, 640, 3))
maxa = img.max(axis=-1)

现在我想比较img和maxa，我知道img == maxa不工作：

In [335]: img == maxa
<ipython-input-335-acb909814b9a>:1: DeprecationWarning: elementwise comparison failed; this will raise an error in the future.
  img == maxa
Out[335]: False

我不擅长描述事物，所以我将向你展示我打算在Python中做什么：

result = [[[c == maxa[y, x] for c in img[y, x]] for x in range(640)] for y in range(360)]

显然这是低效的，但我想证明我知道逻辑。
我在NumPy中也做了同样的事情，但我认为它可以更有效：

img == np.dstack([maxa, maxa, maxa])

我已经证实了我理解的正确性：

In [339]: result = [[[c == maxa[y, x] for c in img[y, x]] for x in range(640)] for y in range(360)]
     ...: np.array_equal(arr3, img == np.dstack([maxa, maxa, maxa]))
Out[339]: True

我对我的方法进行了基准测试：

In [340]: %timeit [[[c == maxa[y, x] for c in img[y, x]] for x in range(640)] for y in range(360)]
509 ms ± 16.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [341]: maxals = maxa.tolist()

In [342]: imgls = img.tolist()

In [343]: %timeit [[[c == maxals[y][x] for c in imgls[y][x]] for x in range(640)] for y in range(360)]
156 ms ± 2.57 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [344]: %timeit img == np.dstack([maxa, maxa, maxa])
4.25 ms ± 121 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

什么是更快的方法？