如何从numpy.argwhere返回的矩阵索引中查找相邻元素组成的最大模式

现有实现合理性验证 #

你当前使用np.argwhere(matrix==color)提取目标颜色所有坐标的实现方向是正确的，这是后续查找相邻连通模式的必要基础。

推荐实现方案 #

根据依赖情况可以选择以下两种方案，默认适配4连通（仅上下左右算相邻），需要8连通（含斜向相邻）可按照注释调整参数。

方案1：基于scipy连通分量分析（最简实现） #

直接调用scipy的成熟连通分量标记能力，代码量少、运算效率高：

import numpy as np
from scipy import ndimage

color = 10
# 生成目标颜色的二值掩码
mask = (matrix == color).astype(int)
# 标记所有连通区域，默认4连通，返回标签矩阵和区域总数
labeled_matrix, num_features = ndimage.label(mask)

# 若需使用8连通，替换上一行代码为：
# structure = [[1,1,1],[1,1,1],[1,1,1]]
# labeled_matrix, num_features = ndimage.label(mask, structure=structure)

# 统计每个连通区域的像素数量
region_sizes = ndimage.sum(mask, labeled_matrix, range(num_features + 1))
# 筛选出最大的非背景区域标签（背景标签为0）
max_region_label = region_sizes[1:].argmax() + 1
# 提取最大模式对应的所有坐标
max_region_coords = np.argwhere(labeled_matrix == max_region_label)

方案2：基于BFS手动实现（无第三方依赖） #

如果不能引入scipy依赖，可以基于你已经得到的solutions坐标列表手动做广度优先搜索遍历：

import numpy as np
from collections import deque

color = 10
solutions = np.argwhere(matrix == color)
# 转换为元组集合，实现O(1)复杂度的坐标存在性判断
coord_set = set(tuple(coord) for coord in solutions)
visited = set()
max_region = []
# 4连通的坐标偏移量，需8连通可补充(1,1),(1,-1),(-1,1),(-1,-1)
offsets = [(-1,0),(1,0),(0,-1),(0,1)]

for coord in solutions:
    coord_tuple = tuple(coord)
    if coord_tuple not in visited:
        q = deque([coord_tuple])
        visited.add(coord_tuple)
        current_region = [coord_tuple]
        while q:
            x,y = q.popleft()
            for dx, dy in offsets:
                neighbor = (x+dx, y+dy)
                if neighbor in coord_set and neighbor not in visited:
                    visited.add(neighbor)
                    q.append(neighbor)
                    current_region.append(neighbor)
        # 更新最大区域记录
        if len(current_region) > len(max_region):
            max_region = current_region

补充说明 #

如果需求中的「模式」不是指最大连通同色区域，而是指定规则的特殊形状匹配，需要明确模式的具体定义后再调整判断逻辑。 #

内容的提问来源于stack exchange，提问作者Syed Muhammad Ibrahim