Python递归DFS处理掩码图像时递归深度超限问题求助

递归DFS遇到大像素簇时触发maximum recursion depth exceeded，核心原因是Python的递归调用栈存在长度限制——哪怕你调高sys.setrecursionlimit，当簇的最长连通路径超过该限制时仍会报错，而且递归本身在处理大规模数据时效率也远不如迭代方式。

直接把递归DFS改成迭代式DFS或者BFS就能彻底解决这个问题，下面是修改后的完整代码，同时修复了原代码里的几个隐性bug：

import numpy as np
from PIL import Image

def split_mask_into_x_biggest_clusters(input_mask, x):
    # 生成8连通的邻居坐标，修复原代码里的重复邻居问题
    def generate_neighbours(point):
        neighbours = [
            (-1, -1), (-1, 0), (-1, 1),
            (0, -1),          (0, 1),
            (1, -1),  (1, 0), (1, 1)
        ]
        for dx, dy in neighbours:
            yield (point[0] + dx, point[1] + dy)

    # 迭代式DFS替代递归，彻底避免栈溢出
    def find_regions(start_point, points_set):
        region = []
        stack = [start_point]
        points_set.remove(start_point)
        region.append(start_point)
        
        while stack:
            current = stack.pop()
            for neighbor in generate_neighbours(current):
                if neighbor in points_set:
                    points_set.remove(neighbor)
                    region.append(neighbor)
                    stack.append(neighbor)
        return region

    # 提取白色像素点集合，修正原代码的坐标顺序错误
    data = np.array(input_mask)[:, :, 0]
    y_coords, x_coords = np.where(data == 255)  # numpy where返回(行,列)对应图像(y,x)
    points = set((x, y) for x, y in zip(x_coords, y_coords))

    regions = []
    while points:
        start = next(iter(points))
        region = find_regions(start, points)
        regions.append(region)

    # 按簇大小降序排序
    sorted_regions = sorted(enumerate(regions), key=lambda item: len(item[1]), reverse=True)

    # 生成前x个最大簇的掩码，优化赋值效率+取消硬编码尺寸
    masks = []
    mask_h, mask_w = data.shape
    for idx, region in sorted_regions[:x]:
        mask = np.zeros((mask_h, mask_w, 3), dtype=np.uint8)
        # 用numpy批量索引替代循环，大幅提升速度
        xs, ys = zip(*region)
        mask[ys, xs] = [255, 255, 255]
        masks.append(Image.fromarray(mask))

    return masks

关键修改说明： #

• 替换递归为迭代DFS：用栈模拟递归调用过程，完全规避了Python递归深度限制，无论多大的像素簇都能稳定处理。
• 修复坐标顺序错误：原代码混淆了numpy数组的(行,列)与图像的(x,y)坐标对应关系，导致生成的掩码位置偏移，现已修正。
• 优化邻居列表：删除原代码中重复的邻居坐标，改用标准8连通邻居定义。
• 提升掩码生成效率：用numpy批量索引赋值替代循环逐个修改像素，处理大簇时速度提升明显。
• 适配任意输入尺寸：取消原代码硬编码的512x512尺寸，自动匹配输入掩码的大小。

现在不需要再依赖sys.setrecursionlimit，直接删除相关代码即可正常运行。

内容的提问来源于stack exchange，提问作者Ben123