本文介绍如何使用纯numpy向量化操作，高效识别两个布尔数组中满足“含重叠点且可沿不完整标记连续扩展”的感兴趣区域，并返回其起始与结束（左闭右开）索引。全程避免python循环，兼顾性能与逻辑清晰性。
本文介绍如何使用纯numpy向量化操作，高效识别两个布尔数组中满足“含重叠点且可沿不完整标记连续扩展”的感兴趣区域，并返回其起始与结束（左闭右开）索引。全程避免python循环，兼顾性能与逻辑清晰性。
在信号处理、时序分析或基因组区间合并等任务中，常需基于多个布尔掩码协同定义有意义的“感兴趣区域（Region of Interest, ROI）”。本教程聚焦一个典型场景：给定两个同长布尔数组 is_overlap（标记关键事件）和 is_incomplete（标记待补全的连续段），结合最小长度阈值 max_n_rows，向量化地提取所有合法ROI的 [start, end) 索引对——即满足：
-
核心存在性：区域内至少有一个
is_overlap[i] == True； -
可扩展性：该区域可向左右连续延伸至
is_incomplete == True的位置，但仅当延伸后总长度 ≥max_n_rows时才接受扩展；若不满足，则仅保留原始is_overlap的孤立True作为长度为1的独立区域。
关键在于：不能简单取 is_overlap | is_incomplete 的连通块（会漏掉孤立 is_overlap），也不能分别处理再拼接（会破坏“扩展优先级”逻辑）。正确策略是两阶段筛选 + 区间包含判定：
✅ 正确向量化流程（无循环）
import numpy as np
def get_contiguous_intervals(mask: np.ndarray) -> np.ndarray:
"""高效提取1D布尔数组中所有连续True区间的[start, end)索引对"""
# 利用差分检测边界：[0, mask, 0] 的 diff 非零处即为边界
diffs = np.diff(np.concatenate(([0], mask.astype(np.int8), [0])))
bounds = np.flatnonzero(diffs)
return bounds.reshape(-1, 2)
def find_regions_of_interest(
is_overlap: np.ndarray,
is_incomplete: np.ndarray,
max_n_rows: int = 4
) -> tuple[np.ndarray, np.ndarray]:
"""
向量化提取ROI起止索引
Returns:
region_starts: (n,) array of start indices
region_ends_excl: (n,) array of exclusive end indices
"""
# Step 1: 获取所有潜在扩展区域 —— is_overlap 与 is_incomplete 的并集连通块
candidate_enlarged = get_contiguous_intervals(is_overlap | is_incomplete)
# Step 2: 过滤过短的扩展候选（长度 = max_n_rows]
# Step 3: 获取基础区域 —— is_overlap 自身的连通块（每个块至少含1个True）
base_regions = get_contiguous_intervals(is_overlap)
# Step 4: 排除被有效扩展区域完全覆盖的基础区域
# 使用广播比较：判断每个 base_region 是否完全落在某个 valid_enlarged 内
# shape: (n_enl, n_base) → 每列代表该base是否被任一enl覆盖
covered = (
(valid_enlarged[:, None, 0] = base_regions[None, :, 1])
).any(axis=0)
# 保留未被覆盖的base区域 + 所有valid_enlarged
final_regions = np.vstack([
base_regions[~covered],
valid_enlarged
])
# Step 5: 按起始索引排序（确保输出有序，符合预期）
sort_idx = np.argsort(final_regions[:, 0])
final_regions = final_regions[sort_idx]
return final_regions[:, 0], final_regions[:, 1]
# 示例验证
max_n_rows = 4
is_overlap = np.array([0,1,0,0,1,1,0,0,0,1,0,1,0,0,1,0,1], dtype=bool)
is_incomplete = np.array([1,0,0,1,1,0,1,1,0,0,1,0,1,0,1,1,1], dtype=bool)
starts, ends = find_regions_of_interest(is_overlap, is_incomplete, max_n_rows)
print("region_of_interest_starts =", starts)
print("region_of_interest_ends_excl =", ends)
输出结果：
region_of_interest_starts = [ 1 3 9 14 16] region_of_interest_ends_excl = [ 2 8 13 15 17]
⚠️ 注意事项与优化点
-
边界鲁棒性：
get_contiguous_intervals使用np.concatenate(([0], ..., [0]))确保首尾边界被正确捕获，避免索引越界； - 时间复杂度：全程O(n)向量化操作，远优于逐元素循环（O(n²)）；
-
内存友好：未创建中间大尺寸布尔矩阵，广播比较通过
[:, None]与[None, :]实现，不显式展开； -
扩展性：若需支持重叠区域合并（如相邻ROI间隔≤k可合并），可在最后添加一次区间合并步骤（
np.maximum.accumulate技巧）； -
调试建议：对复杂案例，可打印
candidate_enlarged和base_regions辅助验证逻辑。
该方案将领域规则精准映射为NumPy原语，兼具可读性、性能与工程健壮性，是科学计算中布尔区间分析的典型范式。
