如何从二进制3D numpy数组中提取并分离点团（Blob）？

我有一个形状为(260,311,260)的NumPy数组，其中值为1的元素代表8个电极，其余为0（空白区域）。我需要检测并分离这些点团（Blob），最终得到8个同形状的数组，每个数组仅包含一个电极。

我尝试过以下方法但遇到瓶颈：

• 用np.nonzero提取值为1的元素，但后续分离步骤无法推进
• 尝试skimage.feature.blob_log，但无法适配当前的NumPy数组
• 试过Kmeans聚类，但需要适配可变数量的电极，无法固定聚类数

以下是提取非零元素后绘制3D点云的代码：

fig = plt.figure(figsize=(6, 6))
ax = fig.add_subplot(111, projection='3d')
ax.scatter(all_coordinates[0], all_coordinates[1], all_coordinates[2],
           linewidths=1, alpha=.7,
           edgecolor='k',
           s = 200,
           c=all_coordinates[0])
ax.view_init(elev=0, azim=0)
plt.show()

真奇怪，居然没有简单的函数能直接分离这些点团？

用skimage.measure.label和skimage.measure.regionprops就能完美解决这个问题——这是专门针对3D（或2D）连通区域分割的工具，能自动识别所有独立的点团，无需提前指定数量：

为什么之前的方法不适用？ #

• np.nonzero只能提取坐标，但无法区分不同连通的点团
• skimage.feature.blob_log是针对形状规则（如圆形）的Blob检测，不适合任意形状的连通电极点团
• Kmeans需要提前指定聚类数，无法自适应电极数量的变化

步骤说明 #

1. 标记连通区域：label函数会给每个独立的连通点团分配唯一的标签值，背景（0）保持为0
2. 提取每个区域：遍历每个标签，生成仅包含当前标签对应点团的数组

代码实现 #

import numpy as np
from skimage import measure

# 假设你的电极数组名为electrodes_data
labeled_array, num_regions = measure.label(electrodes_data, connectivity=3, return_num=True)
# connectivity=3表示3D空间中的连通（上下左右前后相邻都算连通）

# 生成每个电极对应的数组
electrode_arrays = []
for label in range(1, num_regions + 1):
    # 创建和原数组同形状的全0数组
    single_electrode = np.zeros_like(electrodes_data)
    # 将当前标签对应的位置设为1
    single_electrode[labeled_array == label] = 1
    electrode_arrays.append(single_electrode)

# 现在electrode_arrays就是包含所有独立电极的数组列表，数量等于num_regions

核心优势 #

• 自动识别点团数量：不管是8个还是其他数量的电极，return_num会返回实际检测到的连通区域数
• 严格匹配原数组形状：每个生成的数组和输入数组完全同形，仅保留一个电极的1值
• 3D连通性适配：connectivity=3专门处理3D空间的相邻判断，确保同一个电极的所有点被归为一个区域

内容的提问来源于stack exchange，提问作者Petru Isan