Fast Marching Algorithm实现每个像素到最近边界像素距离，和以该像素为圆心，选取任意半径画圆，通过交点为0或2来判断是否与边界相切，从而调整半径，直到交点为一，若这种方法比FMM的泛洪更高效，它叫什么，请给出名称和python实现

这种方法叫做“圆扩散算法”（Circular Propagation Algorithm）。

以下是使用Python实现的代码示例：

import numpy as np
from scipy.ndimage import distance_transform_edt

def circular_propagation(image):
    # 计算距离变换
    distance = distance_transform_edt(image)

    # 遍历每个像素
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            # 如果像素不在边界上
            if image[i,j] != 0:
                # 初始化半径
                radius = 1

                # 不断扩大半径，直到交点为一
                while True:
                    # 以当前像素为圆心，计算圆周上的像素坐标
                    circle_coords = np.round(np.array([
                        [i + radius * np.sin(theta), j + radius * np.cos(theta)]
                        for theta in np.linspace(0, 2 * np.pi, 100)
                    ])).astype(int)

                    # 计算圆周上的像素值
                    circle_values = np.array([
                        image[c[0], c[1]] for c in circle_coords
                    ])

                    # 计算交点的数量
                    intersection_count = np.sum(np.abs(np.diff(np.sign(circle_values))) / 2)

                    # 如果交点为一，跳出循环
                    if intersection_count == 1:
                        break

                    # 否则增大半径
                    radius += 1

                # 将距离变换的值调整为半径
                distance[i,j] = radius

    return distance

该函数接受一个二值图像作为输入，并返回每个像素到最近边界像素的距离。它使用Scipy库中的`distance_transform_edt`函数计算距离变换，然后对每个像素使用圆扩散算法来调整距离值。