我给出了一个大的二进制图像（每个像素都是1或0）。
我知道在那个图像中有多个区域（一个区域被定义为一组由0包围的相邻1）。
我们的目标是找到最大的（就像素数或封闭区而言，现在两者都可以解决）
我目前的计划方法是：
启动1s（或0s的坐标数组数组，无论是什么代表'命中'）
直到无法再执行任何步骤：
对于当前区域（这是一组坐标）执行：
查看是否有任何区域与当前区域接口，如果是则将它们添加到其他区域，如果没有继续下一次迭代
我的问题是：有没有更有效的方法来做到这一点，并且已经测试过（并行或GPU加速的奖励点）实现（在任何大型库中）？
答案 0 :(得分：3)
您可以Flood Fill每个具有唯一ID的区域，将ID映射到该区域的大小。
答案 1 :(得分：2)
您想使用连通成分分析（a.k.a。标记）。它或多或少是你建议做的，但那里有非常有效的算法。 this question的答案解释了一些算法。另请参阅connected-components。
This library收集不同的有效算法并进行比较。
在Python中，您可能想要使用OpenCV。 cv.connectedComponentsWithStats进行连通分量分析并输出统计数据，其中包括每个连通分量的区域。
关于你的建议：直接使用像素坐标而不是原始图像矩阵是非常低效的：在图像中查找相邻像素是微不足道的，在坐标列表中寻找相同的像素需要昂贵的搜索者。