不使用imbinarize实现二值矩阵连通分量标记的代码调试问题

二值矩阵连通分量标记代码问题修复 #

原代码错误项 #

• 索引越界：直接访问i-1、i+1、j-1、j+1未做边界判断，边缘像素访问会直接触发报错
• BFS逻辑错误：队列存储的是像素值而非像素坐标，处理队列元素时未弹出队首，错误给整行M[0]赋值，也未同步修改邻接像素的标签
• 变量错误：最终返回的labels未定义，实际标记结果存储在矩阵M中
• 缩进逻辑错误：while循环未放在if M[i][j] == 1的分支内，会导致无意义的空队列判断，还会错误累加标签值
• 死循环风险：未判断邻接像素状态就直接塞入队列，会导致队列无限膨胀陷入死循环

修复后完整实现 #

import numpy as np
from matplotlib import pyplot as plt

def connected_components(image):
    # 复制输入二值图避免修改原数据，默认0为背景、1为前景
    M = image.copy().astype(np.int32)
    row, column = M.shape
    # 初始标签从2开始，避免和前景初始值1、背景0冲突
    L = 2
    # 4邻接坐标偏移，如需8邻接可自行补充对角偏移量
    offsets = [(-1, 0), (1, 0), (0, -1), (0, 1)]
    
    for i in range(row):
        for j in range(column):
            # 定位未标记的前景像素
            if M[i][j] == 1:
                M[i][j] = L
                # BFS队列存储像素坐标
                q = [(i, j)]
                
                while q:
                    # 弹出队首坐标处理
                    x, y = q.pop(0)
                    # 遍历所有邻接像素
                    for dx, dy in offsets:
                        nx = x + dx
                        ny = y + dy
                        # 同时满足边界合法、为未标记前景两个条件才处理
                        if 0 <= nx < row and 0 <= ny < column and M[nx][ny] == 1:
                            M[nx][ny] = L
                            q.append((nx, ny))
                # 单连通分量处理完成，标签自增
                L += 1
    
    # 可选配置：将标签统一减1，让前景标签从1开始，背景保持0
    # M[M > 0] = M[M > 0] - 1
    labels = M
    return labels

测试用例 #

# 输入测试二值图
test_img = np.array([
    [1, 0, 0, 1],
    [1, 1, 0, 1],
    [0, 0, 1, 0],
    [0, 0, 1, 1]
], dtype=np.uint8)
labeled_result = connected_components(test_img)
print(labeled_result)

内容的提问来源于stack exchange，提问作者Anonymous