Python—在2D numpy数组中查找特定值的最大区域的有效方法

我有一个2D numpy数组，其中有些值为零，有些值不是。我正试图找到一种有效的方法来找到数组中最大的一组零（通过返回零的数量以及中心的大致位置）

例如，在这个数组中，我想找到以（3,4）为中心的9块：

在numpy或scipy中有没有一种很好的矢量化方法来完成类似的任务

这些束的形状大致为圆形，并且没有孔

---

从scipy做了一些类似的事情，但不是我想要的。我有一种感觉，可能会有所帮助，但不确定如何有效地使用它们来解决这个问题。

您就快到了，您只需要将

ndimage.label

与

numpy.bincount

结合起来：

import numpy as np
from scipy import ndimage

array = np.random.randint(0, 3, size=(200, 200))

label, num_label = ndimage.label(array == 0)
size = np.bincount(label.ravel())
biggest_label = size[1:].argmax() + 1
clump_mask = label == biggest_label

---

一旦你有了

clump\u mask

你就可以计算质心或者使用其他方法来获得中心。

如果有一个洞怎么办？你是说不会有洞是因为你知道输入看起来像什么，还是因为你想排除有洞的束？这是因为我知道输入不会有洞（如果有的话，它们将非常罕见）。这与我将要粘贴的内容非常接近！我唯一不同的做法是：（1）

.ravel（）.astype（int）

，因为有人抱怨我从

uint32

转换到

int32

，还有（2）我添加了（更改变量名以匹配你的）

com=scipy.ndimage.center\u-of-mass（数组==0，标签，最大的标签）

，以获得中心。谢谢！工作完美：）

import numpy as np
from scipy import ndimage

array = np.random.randint(0, 3, size=(200, 200))

label, num_label = ndimage.label(array == 0)
size = np.bincount(label.ravel())
biggest_label = size[1:].argmax() + 1
clump_mask = label == biggest_label