基于OpenCV/scikit-image计算地图岛屿数量与地面邻居数

先给出示例地图的numpy数组（避免使用Python内置关键字map，改用map_arr）：

import numpy as np

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

任务1：基于4邻域规则统计岛屿数量 #

OpenCV实现 #

利用cv2.connectedComponents函数，设置connectivity=4指定4邻域规则，返回的组件数需减去背景（标签0）的数量：

import cv2

num_labels, _ = cv2.connectedComponents(map_arr, connectivity=4)
island_count = num_labels - 1
print(f"岛屿数量：{island_count}")  # 输出：2

scikit-image实现 #

使用skimage.measure.label函数，设置connectivity=1对应4邻域（connectivity=2为8邻域），统计唯一标签数后减去背景标签：

from skimage import measure

label_img = measure.label(map_arr, connectivity=1)
island_count = len(np.unique(label_img)) - 1
print(f"岛屿数量：{island_count}")  # 输出：2

任务2：给定坐标(i,j)，返回该位置的陆地邻居数量 #

基础遍历实现 #

直接检查目标坐标的上下左右四个邻域，统计其中值为1的数量（自动处理边界情况）：

def count_land_neighbors(arr, i, j):
    count = 0
    # 检查上方邻居
    if i > 0 and arr[i-1][j] == 1:
        count += 1
    # 检查下方邻居
    if i < arr.shape[0] - 1 and arr[i+1][j] == 1:
        count += 1
    # 检查左方邻居
    if j > 0 and arr[i][j-1] == 1:
        count += 1
    # 检查右方邻居
    if j < arr.shape[1] - 1 and arr[i][j+1] == 1:
        count += 1
    return count

# 示例：坐标(2,2)的邻居数量
print(f"坐标(2,2)的陆地邻居数量：{count_land_neighbors(map_arr, 2, 2)}")  # 输出：4

OpenCV卷积实现 #

构造4邻域的卷积核，通过卷积操作直接得到每个位置的邻居数量：

kernel = np.array([[0, 1, 0],
                   [1, 0, 1],
                   [0, 1, 0]], dtype=np.uint8)
neighbor_count_map = cv2.filter2D(map_arr, -1, kernel)
print(f"坐标(2,2)的陆地邻居数量：{neighbor_count_map[2][2]}")  # 输出：4

scikit-image卷积实现 #

使用skimage.filters.rank.convolution完成卷积计算：

from skimage.filters.rank import convolution

neighbor_count_map = convolution(map_arr, kernel)
print(f"坐标(2,2)的陆地邻居数量：{neighbor_count_map[2][2]}")  # 输出：4

内容的提问来源于stack exchange，提问作者thecreator13