如何在Python中提取二进制矩阵的所有不相交子集（图像掩码）

核心思路是识别二进制矩阵中的连通分量（即由1组成的不相交区域），再为每个分量生成独立的同尺寸二进制矩阵。以下是两种常用实现方式：

方法一：使用scipy.ndimage.label #

适合快速处理，支持自定义连通性：

• 导入依赖库：

  import numpy as np
  from scipy.ndimage import label
  

• 具体步骤：
  1. 定义你的二进制矩阵（示例）：

     mask = np.array([
         [1, 0, 1],
         [1, 0, 0],
         [0, 1, 1]
     ], dtype=np.uint8)
     

  2. 标记所有连通分量：

     # 默认4连通（上下左右），如需8连通可指定structure=np.ones((3,3))
     labeled_mask, num_components = label(mask)
     

  3. 生成每个独立子集矩阵：

     individual_masks = []
     for component_id in range(1, num_components + 1):
         # 将当前分量的位置设为1，其余为0
         single_mask = (labeled_mask == component_id).astype(np.uint8)
         individual_masks.append(single_mask)
     

方法二：使用OpenCV.connectedComponents #

适合与计算机视觉工作流结合：

• 导入依赖库：

  import numpy as np
  import cv2
  

• 具体步骤：
  1. 定义二进制矩阵（需为uint8类型）：

     mask = np.array([
         [1, 0, 1],
         [1, 0, 0],
         [0, 1, 1]
     ], dtype=np.uint8)
     

  2. 标记连通分量：

     # 默认8连通，如需4连通可指定connectivity=4
     num_components, labeled_mask = cv2.connectedComponents(mask)
     

  3. 生成每个独立子集矩阵：

     individual_masks = []
     # 注意：labeled_mask中0代表背景，分量ID从1开始
     for component_id in range(1, num_components):
         single_mask = np.where(labeled_mask == component_id, 1, 0).astype(np.uint8)
         individual_masks.append(single_mask)
     

关键说明 #

• 连通性：4连通指仅上下左右相邻的1视为同一区域；8连通包含对角线相邻的1，可根据需求调整。
• 输出结果：individual_masks列表中包含N个与原矩阵尺寸一致的二进制矩阵，每个矩阵仅保留一个不相交的1子集。

内容的提问来源于stack exchange，提问作者Vahid S. Bokharaie