Python实现2D NumPy数组的八连通域计数与矩阵值替换

这个需求本质是八连通规则下的连通域尺寸映射，最高效简洁的实现方式是依托NumPy配套的SciPy科学计算工具栈完成，无需手动编写邻接遍历逻辑，几行代码即可完全匹配转换规则。

核心逻辑 #

1. 题目要求的八方向单步通行、仅在1值位置连通的规则，可直接通过连通域标记工具的邻接核参数匹配
2. 完成全图连通域标记后，统计每个连通域的总元素数，再将对应尺寸值回填到原数组的1值位置，0值位置保留0即可

可直接运行的代码 #

import numpy as np
from scipy import ndimage

# 输入原始数组
start = np.array([
    [1,1,0,1],
    [1,0,0,1],
    [0,1,0,0]
])

# 定义八方向连通邻接核：3x3全1矩阵，覆盖上下、左右、四个斜向的相邻位置
connect_kernel = np.ones((3, 3))
# 标记每个位置所属的连通域ID
labels, _ = ndimage.label(start, structure=connect_kernel)
# 统计每个连通域的元素总数（直接数每个标签的出现次数即可）
domain_sizes = np.bincount(labels.ravel())[1:]
# 回填尺寸值，0标签位置直接赋值0，完全匹配转换规则
finish = np.where(labels > 0, domain_sizes[labels - 1], 0)

方案优势 #

• 性能优异：连通域标记的底层是C语言实现的优化逻辑，处理大尺寸矩阵时，执行效率远高于纯Python手写的BFS/DFS遍历
• 规则完全匹配：通过3x3全1的邻接核，直接实现八方向连通的判断逻辑，无需手动写邻接坐标计算、边界判断的样板代码
• 代码极简：没有冗余的状态维护、连通性判断的逻辑

结果校验 #

运行上述代码得到的输出矩阵和题目给出的目标矩阵完全一致：

array([[4, 4, 0, 2],
       [4, 0, 0, 2],
       [0, 4, 0, 0]])

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