根据 numpy 数组的出现次数过滤元素

Question

我有以下 2D numpy 数组 M

M = np.array([[1,1,1,0,0,0,0,0,0,0,0],
              [1,1,1,0,0,0,0,0,0,1,1],
              [1,1,1,0,0,0,0,0,0,1,1],
              [0,0,0,0,0,1,1,1,0,0,0],
              [0,0,0,0,0,1,1,1,0,0,0],
              [1,1,1,0,1,1,1,1,0,0,0],
              [1,1,1,0,0,1,1,1,0,0,0],
              [1,1,1,0,0,1,1,1,0,0,0]])

，我想识别它的点（值==1并且相互连接的像素）。

感谢 scipy 中的“label”函数，我可以识别矩阵中的所有点。输出应如下所示：

Output, Nbr= label(M)
#Output=  array([[1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#                [1, 1, 1, 0, 0, 0, 0, 0, 0, 2, 2],
#                [1, 1, 1, 0, 0, 0, 0, 0, 0, 2, 2],
#                [0, 0, 0, 0, 0, 3, 3, 3, 0, 0, 0],
#                [0, 0, 0, 0, 0, 3, 3, 3, 0, 0, 0],
#                [4, 4, 4, 0, 3, 3, 3, 3, 0, 0, 0],
#                [4, 4, 4, 0, 0, 3, 3, 3, 0, 0, 0],
#                [4, 4, 4, 0, 0, 3, 3, 3, 0, 0, 0]])

我只想拥有包含 9 个元素的点，这意味着第一个和第四个点。

使用这样的 for 循环效果很好：

for i in range(Nbr+1):
    Spot= np.argwhere(components[:,:]== i)
    if len(Spot)!=9:
        M[Spot[:, 0], Spot[:, 1]]=0
#M=  array([[1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#           [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#           [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#           [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
#           [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
#           [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#           [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
#           [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0]])

问题是当我的 Spots 超过 4 个时，我的代码会变慢。

有没有更快的替代方案可以完成 for 循环的工作？

谢谢。