如何从numpy数组创建区分连通背景与内容的掩膜

不需要手动编写逐行逐列的遍历循环，基于连通域标记可以直接实现需求，运算效率远高于纯Python循环：
核心逻辑是：所有能通过0值像素路径连通到数组边界的0区域为背景，其余所有区域（包括非0的内容像素、被非0像素完全包围的0值孔洞）都归为真实内容。

代码实现 #

依赖numpy和scipy.ndimage即可完成，支持3D体数据直接输入：

import numpy as np
from scipy import ndimage

def gen_content_mask(vol_3d: np.ndarray, connect: int = 6) -> np.ndarray:
    """
    生成3D图像的内容掩膜
    :param vol_3d: 输入的3D numpy数组，背景连通域值为0，内容像素值范围[-1000, 0)
    :param connect: 连通规则，默认6连通（仅面相邻算连通），传26为角/边/面相邻都算连通
    :return: 掩膜数组，背景为0，真实内容为1，dtype为uint8
    """
    # 提取所有0值像素的初始掩膜
    zero_region = vol_3d == 0
    # 生成对应连通规则的结构元素
    conn_rank = 1 if connect == 6 else 3
    struct_elem = ndimage.generate_binary_structure(3, conn_rank)
    # 对所有0值连通域打标签
    labeled_zero, _ = ndimage.label(zero_region, structure=struct_elem)

    # 收集所有和数组6个边界面接触的0值连通域标签，这些就是背景
    bg_labels = set()
    bg_labels.update(labeled_zero[0, :, :].flat)
    bg_labels.update(labeled_zero[-1, :, :].flat)
    bg_labels.update(labeled_zero[:, 0, :].flat)
    bg_labels.update(labeled_zero[:, -1, :].flat)
    bg_labels.update(labeled_zero[:, :, 0].flat)
    bg_labels.update(labeled_zero[:, :, -1].flat)
    bg_labels.discard(0)  # 标签0代表非0值区域，直接排除

    # 生成最终掩膜：背景区域标0，其余全部标1
    bg_mask = np.isin(labeled_zero, list(bg_labels))
    return (~bg_mask).astype(np.uint8)

注意事项 #

• 如果需要处理你提到的z轴单张2D切片，只需要把结构元素改成2D版本，边界检测改为检测4条边即可，核心逻辑完全不变，2D场景下默认连通规则可以设为4连通（仅上下左右相邻），需要对角相邻算连通可以设为8连通。
• 连通域标记的底层是C实现的泛洪算法，处理大尺寸3D数组的速度比纯Python逐像素遍历快数十到数百倍。
• 如果你的真实内容中存在值为0且直接接触数组边界的像素，按照当前判定规则会被归为背景，如果这类像素实际属于内容，可以提前把对应位置从zero_region掩膜中剔除再做连通域标记。

内容的提问来源于stack exchange，提问作者alan6690