从NumPy数组中高效提取同值区域聚类的实现方案（解决递归方法的性能与栈溢出问题）

针对你遇到的递归方法效率低、栈溢出的问题，我推荐使用scikit-image库中的区域分析工具——这是计算机视觉领域处理掩码区域分割的标准方案，完全基于矩阵操作，高效且不易出错。

实现步骤 #

1. 预处理：将字符串格式数据转为NumPy数组 #

首先把你给出的字符串列表转换成数值型的NumPy数组，方便后续处理：

import numpy as np
from skimage import measure

# 你的示例数据
data_str = [
    "01110000000000000000000000",
    "00111110000222222220000000",
    "01110000000222222200000000",
    "00000000000222000000000000",
    "00000000000000000000000000",
    "00000000000000000000000000",
    "00003333300000000000000000",
    "00003333322222000000000000",
    "00000000022222000000000000",
    "00000000000000222000000000",
    "00000000000000222000000000",
    "00000000000000000000000000",
    "00000000000000000000000000",
    "00000000000000000000000000",
    "00000000000000000000000000",
    "00000000000000000000000000"
]

# 转换为NumPy数值数组
arr = np.array([list(s) for s in data_str], dtype=int)

2. 标记连通区域并提取聚类 #

使用measure.label标记所有非零连通区域，再通过measure.regionprops提取每个区域的坐标和对应数值：

# 标记连通区域：connectivity=2表示8连通，=1表示4连通，可按需调整
label_img = measure.label(arr, background=0, connectivity=2)

# 存储最终聚类结果：键是聚类的数值，值是该数值下所有聚类的坐标列表
clusters = {}

# 遍历每个标记的区域
for region in measure.regionprops(label_img, intensity_image=arr):
    # 获取区域的数值（因为每个聚类仅含相同数字，取第一个像素的值即可）
    val = region.intensity_mean  # 由于区域内值相同，均值等于实际值
    val = int(val)
    
    # 获取区域所有像素的坐标（(行, 列)格式）
    coords = list(zip(region.coords[:, 0], region.coords[:, 1]))
    
    # 按数值分组存储
    if val not in clusters:
        clusters[val] = []
    clusters[val].append(coords)

3. 查看结果 #

打印结果就能看到每个数值对应的所有聚类坐标：

# 输出2的所有聚类
print("数值2的聚类：")
for idx, cluster in enumerate(clusters[2], 1):
    print(f"聚类{idx}: {cluster}")

# 输出3的所有聚类
print("\n数值3的聚类：")
for idx, cluster in enumerate(clusters[3], 1):
    print(f"聚类{idx}: {cluster}")

方案优势 #

• 高效稳定：基于底层矩阵运算，比递归快几个数量级，完全避免栈溢出问题；
• 灵活可控：可通过connectivity参数选择4连通或8连通的区域判定规则；
• 成熟可靠：scikit-image是计算机视觉领域的主流库，处理掩码区域分割的场景经过大量验证。

备选方案（无scikit-image时） #

如果无法安装scikit-image，也可以用OpenCV的connectedComponentsWithStats函数，实现逻辑类似：

import cv2

# 转换为uint8格式（OpenCV要求）
arr_cv = arr.astype(np.uint8)
# 标记连通区域
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(arr_cv, connectivity=8)

clusters_cv = {}
for label in range(1, num_labels):  # 跳过背景（label=0）
    # 获取当前区域的坐标
    coords = np.where(labels == label)
    coords = list(zip(coords[0], coords[1]))
    # 获取区域数值
    val = arr[coords[0][0], coords[0][1]]
    if val not in clusters_cv:
        clusters_cv[val] = []
    clusters_cv[val].append(coords)

内容的提问来源于stack exchange，提问作者Alexey