高效填充NumPy布尔矩阵：替换被True包围的所有False值

你需要解决的是布尔掩码的内部空洞填充问题——把所有被True完全包围的False区域转换成True，优先用成熟图像处理库实现，无需编写自定义函数。下面是两种高效的解决方案：

方法一：用Scipy的binary_fill_holes（最简洁） #

Scipy的ndimage模块提供了专门的binary_fill_holes函数，直接针对二进制布尔数组填充内部空洞，完全匹配需求，一行核心代码就能搞定。

代码示例 #

import numpy as np
from scipy.ndimage import binary_fill_holes

# 示例掩码
mask = np.array([
    [True,  True,  True,  True,  True ],
    [True,  False, True,  False, True ],
    [True,  True,  True,  False, True ],
    [True,  False, False, False, True ],
    [True,  True,  True,  True,  True ]
])

# 填充内部空洞
filled_mask = binary_fill_holes(mask).astype(bool)

print(filled_mask)

运行后输出的就是全True的矩阵，完全符合示例要求。

方法二：用OpenCV的floodFill（适合大型图像） #

如果处理的是超大尺寸掩码，OpenCV的实现效率更高。核心思路是：先填充掩码边界的False（外部区域），剩下的False就是内部空洞，再将其转换为True。

代码示例 #

import numpy as np
import cv2

# 示例掩码
mask = np.array([
    [True,  True,  True,  True,  True ],
    [True,  False, True,  False, True ],
    [True,  True,  True,  False, True ],
    [True,  False, False, False, True ],
    [True,  True,  True,  True,  True ]
])

# 转换为OpenCV支持的uint8格式（False=0，True=255）
img = mask.astype(np.uint8) * 255
# 创建floodFill需要的边界掩码（比原图大2个像素）
h, w = img.shape
mask_flood = np.zeros((h+2, w+2), np.uint8)

# 从四个角落开始填充外部的0（即外部False区域）
cv2.floodFill(img, mask_flood, (0,0), 255)
cv2.floodFill(img, mask_flood, (w-1,0), 255)
cv2.floodFill(img, mask_flood, (0,h-1), 255)
cv2.floodFill(img, mask_flood, (w-1,h-1), 255)

# 剩下的0就是内部空洞，转成True；原来的255保持True
filled_mask = (img == 255).astype(bool)

print(filled_mask)

两种方法都能高效解决问题：scipy的写法更简洁直观，OpenCV在处理大尺寸图像时性能更优，可根据你的实际场景选择。

内容的提问来源于stack exchange，提问作者maplemaple