PNG转0-1 Numpy数组后，实现被0连续区域包围的1像素置0

核心思路 #

要实现将被0连续区域包围的1像素置0，核心是区分与图像边界连通的1像素和被完全包围的1像素，通过连通区域标记结合边界连通性判断即可完成，无需使用膨胀操作避免损坏图像。

具体实现步骤 #

1. 图像反转（简化边界判断）
   由于你当前用label处理的是0的区域，我们先将图像反转，让原1像素（白色）变为待标记的区域，方便后续区分内外：

   import numpy as np
   from skimage.measure import label
   
   # temp是你的0-1数组（0=紫色，1=白色）
   inverted_img = 1 - temp
   

2. 标记连通区域并识别边界连通区域
   对反转后的图像做连通标记，然后检查每个区域是否接触图像边界：

   # 标记连通区域，connectivity可选4（上下左右）或8（含对角线）
   labels, num_regions = label(inverted_img, connectivity=4, return_num=True)
   
   # 初始化数组记录每个区域是否与边界连通
   is_boundary_region = np.zeros(num_regions + 1, dtype=bool)  # labels从1开始计数
   
   # 检测四个边界的区域标签
   is_boundary_region[labels[0, :]] = True
   is_boundary_region[labels[-1, :]] = True
   is_boundary_region[labels[:, 0]] = True
   is_boundary_region[labels[:, -1]] = True
   

3. 过滤被包围的1像素并置0
   筛选出反转图像中不属于边界连通区域的像素，这些对应原图像中被0包围的1像素，直接置0：

   # 生成被包围区域的掩码
   enclosed_mask = ~is_boundary_region[labels]
   
   # 复制原图像并修改目标区域
   result_img = temp.copy()
   result_img[enclosed_mask] = 0
   

注意事项 #

• connectivity参数根据实际需求选择：若认为对角线相邻的像素属于同一连通区域，设为8；否则用4。
• 该方法仅修改被完全包围的1像素，不会影响图像其他区域，完全避免膨胀操作带来的边界失真问题。

内容的提问来源于stack exchange，提问作者vbstarter95