咨询：保证可变像素集连通/简单连通的高效数据结构

要快速判断移除某个边界像素后区域是否分裂，核心是识别该像素是否为割点（articulation point）——即移除后会导致连通分量数增加的点。针对四邻接像素网格的场景，推荐以下两种高效方案：

• 轻量邻域连通性检查
  因为操作的是边界像素，其在区域内的四邻接邻居最多4个。移除前，临时将该像素从区域中排除，然后对其所有区域内邻居执行一次极小范围的BFS/DFS（最多遍历4个节点），检查这些邻居是否能全部连通。如果邻居本身是连通的（无需通过当前像素连接），则移除该像素不会破坏区域连通性；反之则会导致分裂。这种方法实现简单，时间复杂度接近O(1)，适合大多数优化场景。

• 动态双连通分量维护
  若需要更高效的批量操作，可维护区域的双连通分量（BCC）。双连通分量是指其中不存在割点的子区域。对于每个像素，预判断它是否属于某个双连通分量的边界：如果该像素是双连通分量的内部点，移除它不会影响连通性；如果是割点（连接多个双连通分量），则移除会导致分裂。不过动态维护BCC的实现复杂度较高，适合对性能要求极高的场景。

简单连通要求区域既连通，又无内部孔洞（欧拉数=1，即连通分量数-孔洞数=1）。针对添加/移除边界像素的操作，可采用以下方法：

• 欧拉数实时维护
  欧拉数E = 连通分量数C - 孔洞数H，简单连通要求E=1。每次添加或移除像素时，计算欧拉数的变化量：

  • 添加像素p时，统计其在区域内的四邻接邻居的连通块数量c。欧拉数变化ΔE = 1 - c（因为p会将c个连通块合并为1个，C减少c-1，同时H的变化由连通情况决定，最终ΔE=1-c）。若更新后的E≠1，说明操作导致了孔洞或分裂，直接撤销即可。
  • 移除边界像素时，欧拉数变化通常不会引入孔洞（仅可能影响连通性，可复用第一个问题的方法判断），只需确保连通性和E=1即可。

• 轮廓树跟踪
  维护区域的轮廓树（Contour Tree），该结构能记录区域边界的嵌套关系。当添加像素导致轮廓树出现新的嵌套层级时，说明产生了孔洞；若移除像素导致嵌套层级减少，则说明孔洞被消除。轮廓树能直观反映区域的拓扑结构，适合需要可视化或复杂拓扑操作的场景。

• 边界包围检查
  对于添加的像素p，检查它是否被区域完全包围（即p的四邻接均属于区域，且p不在原区域的边界上）。这种情况不会产生孔洞；若p在边界上，添加后检查是否形成闭合环——可通过跟踪边界的连通性，判断是否有新的内边界（孔洞边界）生成。

内容的提问来源于stack exchange，提问作者Peter Wu