从二值图像中获取 n 个最大区域
Get n largest regions from binary image
我给出了一个大的二值图像（每个像素要么是 1 要么是 0）。
我知道在那个图像中有多个区域（区域定义为一组由 0 包围的相邻 1）。
目标是找到最大的（就像素数或封闭区域而言，目前两者都适合我）
我目前计划的方法是：
start array of array of coordinates of the 1s (or 0s, whatever represent a 'hit')
直到没有更多的步骤：
对于当前区域（这是一组坐标）做：
查看是否有任何区域与当前区域接口，如果有则将它们加在一起，如果没有则继续下一次迭代
我的问题是：是否有更有效的方法来执行此操作，是否已经（在任何大型库中）测试了（并行或 GPU 加速的加分）实现？
您可以 Flood Fill 每个区域都有一个唯一的 ID，将 ID 映射到区域的大小。
您想使用连通分量分析（a.k.a。标记）。这或多或少是你建议做的，但那里有非常有效的算法。 this question explain some of the algorithms. See also connected-components.
的答案
This library收集不同的高效算法并进行比较
在 Python 中，您可能想使用 OpenCV。 cv.connectedComponentsWithStats 进行连通分量分析并输出统计信息，其中包括每个连通分量的面积。
关于您的建议：直接使用像素坐标而不是原始图像矩阵是非常低效的：在图像中寻找相邻像素是微不足道的，在坐标列表中寻找相同像素需要昂贵的搜索器。
我给出了一个大的二值图像（每个像素要么是 1 要么是 0）。
我知道在那个图像中有多个区域（区域定义为一组由 0 包围的相邻 1）。
目标是找到最大的（就像素数或封闭区域而言，目前两者都适合我）
我目前计划的方法是：
start array of array of coordinates of the 1s (or 0s, whatever represent a 'hit')
直到没有更多的步骤：
对于当前区域（这是一组坐标）做：
查看是否有任何区域与当前区域接口，如果有则将它们加在一起，如果没有则继续下一次迭代
我的问题是：是否有更有效的方法来执行此操作，是否已经（在任何大型库中）测试了（并行或 GPU 加速的加分）实现？
您可以 Flood Fill 每个区域都有一个唯一的 ID，将 ID 映射到区域的大小。
您想使用连通分量分析（a.k.a。标记）。这或多或少是你建议做的，但那里有非常有效的算法。 this question explain some of the algorithms. See also connected-components.
的答案This library收集不同的高效算法并进行比较
在 Python 中，您可能想使用 OpenCV。 cv.connectedComponentsWithStats 进行连通分量分析并输出统计信息，其中包括每个连通分量的面积。
关于您的建议：直接使用像素坐标而不是原始图像矩阵是非常低效的：在图像中寻找相邻像素是微不足道的，在坐标列表中寻找相同像素需要昂贵的搜索器。