seung-lab/connected-components-3d

解决的问题

cc3d 旨在解决 3D 图像中的连通组件标记（CCL）问题，特别针对不仅限于二值（黑白）图像，而是包含多个标签的多标签图像。许多现有工具仅限于二值图像，迫使用户逐个处理每个标签，导致在具有数百或数千个标签的图像上处理速度极慢。cc3d 可以在单次遍历中为所有连通组件标记，显著提升性能。

工作原理

该项目实现了 Rosenfeld 和 Pflatz 的两遍法的 3D 变体，结合了 Tarjan 的 Union-Find 不相交集合（带路径压缩和平衡）以及基于 Wu、Otoo 和 Suzuki 研究的决策树。

关键技术细节包括：

• 连接性选项：支持 3D 中的 26、18 或 6 连接邻域，以及 2D 中的 4 或 8 连接。
• 多标签支持：可同时处理具有多种不同标签的图像。
• 连续值支持：通过用户定义的 delta 阈值将相近值合并，可处理灰度图像。
• 内存效率：支持 memmap 文件以处理超过 RAM 大小的图像，并提供压缩的 CrackleArray 用于厚 Z 切片的顺序处理。

适用人群

该工具主要面向处理密集标注的 3D 生物医学图像（如脑组织显微镜图像）的研究人员和开发者，或任何涉及 3D 体数据中实例分割和语义标记的应用场景。

主要亮点

• 高性能：一次处理即可标记所有连通组件，通常比仅支持二值图像的工具提速一个或多个数量级。
• 灵活的连接性：提供 2D 和 3D 空间中的多种连接性选项。
• C++ 与 Python：提供 Python 绑定和 C++ 实现，以实现最大灵活性。
• 高级分析工具：包含计算质心、边界框、体素数量、移除“尘埃”（小对象）以及提取前 k 个最大对象等功能。
• 表面面积分析：可计算不同标签之间的接触表面面积及接触网络。