如何实现布尔数组中按最小长度合并True块的二进制闭运算？

要实现将夹在两个长度达标（≥指定最小值）的连续True序列之间的单个False替换为True的需求，可以通过以下基于NumPy的高效方法实现——scipy.ndimage.binary_closing无法满足需求，因为它无法针对True序列长度做条件判断：

核心思路 #

1. 识别数组中所有连续True块的起始、结束位置及长度；
2. 筛选出相邻的、长度均达标的True块，且它们之间仅隔一个False的情况；
3. 将这些符合条件的单个False位置设为True。

实现代码 #

import numpy as np

def close(a, min_merge_size):
    # 处理空数组边界情况
    if len(a) == 0:
        return a.copy()
    
    # 扩展数组，便于处理首尾的True块
    extended_a = np.concatenate([[False], a, [False]])
    # 计算差分，找出True块的起始和结束点
    diff_a = np.diff(extended_a.astype(int))
    starts = np.where(diff_a == 1)[0]  # 每个True块的起始索引（对应原数组）
    ends = np.where(diff_a == -1)[0]   # 每个True块的结束索引+1（对应原数组）
    block_lengths = ends - starts      # 每个True块的长度
    
    # 若不足两个True块，直接返回原数组
    if len(block_lengths) < 2:
        return a.copy()
    
    # 矢量化筛选符合条件的gap：相邻块长度达标，且仅隔一个False
    valid_pairs = (block_lengths[:-1] >= min_merge_size) & \
                  (block_lengths[1:] >= min_merge_size) & \
                  (starts[1:] - ends[:-1] == 1)
    # 获取需要替换的False索引
    fill_indices = ends[:-1][valid_pairs]
    
    # 生成结果数组
    result = a.copy()
    result[fill_indices] = True
    return result

测试示例 #

a = np.array([True] *3 + [False] + [True] *4 + [False] *2 + [True] *2)
closed_a = close(a, min_merge_size=2)
print(closed_a)
# 输出：array([ True,  True,  True,  True,  True,  True,  True,  True, False, False,  True,  True])

为什么不用scipy.ndimage.binary_closing？ #

binary_closing的逻辑是先膨胀再腐蚀，仅基于结构元素的形状填充孔洞，无法判断两侧True序列的长度是否达标，也无法区分“单个False gap”和“多个False gap”，因此无法满足你的精确需求。

内容的提问来源于stack exchange，提问作者Jon Nir